Машинно обучение и дълбоко обучение - курс 68 040 rub. от SkillFactory, обучение 20 седмици, Дата: 13 август 2023 г.
разни / / December 02, 2023
Кратка програма на курса “Machine Learning PRO”
Модул 1
Въведение в машинното обучение
Запознаваме се с основните задачи и методи на машинното обучение, изучаваме практически казуси и прилагаме основния алгоритъм за работа по ML проект
Решаваме над 50 задачи, за да затвърдим темата
Модул 2
Методи за предварителна обработка на данни
Ние изучаваме типове данни, научаваме се да почистваме и обогатяваме данни, използваме визуализация за предварителна обработка и овладяваме инженеринг на функции
Решаваме над 60 задачи, за да затвърдим темата
Модул 3
Регресия
Усвояваме линейна и логистична регресия, изучаваме границите на приложимост, аналитични изводи и регуляризация. Обучителни регресионни модели
Решаваме над 40 задачи, за да затвърдим темата
Модул 4
Клъстеризиране
Усвояваме обучението без учител, практикуваме различните му методи, работим с текстове с помощта на ML
Решаваме над 50 задачи, за да затвърдим темата
Модул 5
Алгоритми, базирани на дърво: въведение в дърветата
Нека се запознаем с дърветата на решенията и техните свойства, да управляваме дървета от библиотеката sklearn и да използваме дървета за решаване на регресионен проблем
Решаваме над 40 задачи, за да затвърдим темата
Модул 6
Дървообразни алгоритми: ансамбли
Ние изучаваме характеристиките на дървесните ансамбли, практикуваме усилване, използваме ансамбъла за изграждане на логистична регресия
Решаваме над 40 задачи, за да затвърдим темата
Участваме в състезание на kaggle за обучение на модел, базиран на дърво
Модул 7
Оценка на качеството на алгоритмите
Ние изучаваме принципите на разделяне на проби, недостатъчно и прекомерно оборудване, оценяваме модели с помощта на различни качествени показатели, научаваме се да визуализираме процеса на обучение
Оценка на качеството на няколко модела ML
Решаваме над 40 задачи, за да затвърдим темата
Модул 8
Времеви редове в машинното обучение
Нека се запознаем с анализа на времеви редове в ML, овладяване на линейни модели и XGBoost, изучаване на принципите на кръстосано валидиране и избор на параметри
Решаваме над 50 задачи, за да затвърдим темата
Модул 9
Системи за препоръчване
Изучаваме методи за изграждане на препоръчителни системи, овладяваме SVD алгоритъма, оценяваме качеството на препоръките на обучения модел
Решаваме над 50 задачи, за да затвърдим темата
Модул 10
Финален хакатон
Ние прилагаме всички изследвани методи, за да получим максимална точност на моделните прогнози на kaggle
Курсова програма "Задълбочено обучение"
Модул 1
Въведение в изкуствените невронни мрежи
Ние създаваме невронна мрежа за разпознаване на ръкописни числа в Python
Модул 2
Рамки за дълбоко обучение (TensorFlow, Keras)
Ние създаваме модел за разпознаване на изображения, базиран на набора от данни FashionMNIST и рамката Keras
Модул 3
Конволюционни невронни мрежи
Ние разпознаваме изображения в набора от данни CIFAR-10, използвайки конволюционна невронна мрежа
Модул 4
Оптимизация на невронни мрежи
Подобряване на скоростта и производителността на мрежите за случая на предишния модул
Модул 5
Прехвърляне на обучение и фина настройка
Допълнително обучение на невронната мрежа ImageNET за решаване на проблема с класификацията на изображенията
Модул 6
Сегментиране на изображението
Проектиране на невронна мрежа за сегментиране на хора в набора от данни COCO
Модул 7
Откриване на обекти
Ние обучаваме невронна мрежа да решава проблем с откриване, използвайки примера на набор от данни с лога на марката
Модул 8
Въведение в НЛП и вграждането на думи
Създаване на невронна мрежа за работа с естествен език
Модул 9
Повтарящи се невронни мрежи
Създаване на чатбот, базиран на повтаряща се невронна мрежа
Модул 10
Обучение с подсилване
Създаване на агент за игра на Pong на базата на алгоритъма DQN
Модул 11
Какво следва?
Нека се запознаем с други области на приложение на невронните мрежи. Създаване на GAN невронна мрежа за генериране на изображения