Машинно обучение: основни инструменти и практики - курс 51 590 RUB. от Нетология, обучение 10 месеца, Дата 30 ноември 2023 г.
разни / / December 02, 2023
Използвайте примери, за да изучите основните алгоритми и да разберете в какви случаи да ги използвате
Научете се да сравнявате алгоритми с готови набори от данни и да идентифицирате методи за подобряване на качеството
Изграждане на модел
Научете какво представлява библиотеката Sklearn и как да я използвате. Научете алгоритми за групиране и можете да изграждате ансамбли от модели. Научете се да оценявате моделите и да работите с прекомерно облекло. Ще научите как да използвате GridSearch и RandomizedSearch, модел специфично CV, Out of Bag подход.
• Библиотека Sklearn
• Алгоритми за класификация: линейни методи, логистична регресия и SVM
• Алгоритми за класификация: дървета на решенията
• Регресионни алгоритми: линейни и полиномиални
• Алгоритми за групиране
• Ансамбъл
• Оценка на точността на модела, преквалификация, регулиране
• Подобряване на качеството на модела
• Организация на проекта, изготвяне на научни доклади
• Лабораторни упражнения
• Доставка на междинния проект
Работа с клиента
Ще се научите да планирате разработването на проекти за наука за данни, както и компетентно да разказвате на клиентите за резултатите от изследванията.
• Организация на проекта
• Изготвяне на научни доклади
Системи за препоръчване
В този и следващите блокове ще прилагате придобитите знания в различни области на машинното обучение. По време на този блок научете как да създавате персонализирани и неперсонализирани системи за препоръки и как да ги комбинирате.
• Въвеждане и класификация на препоръчителните системи
• Препоръки, базирани на съдържание
• Съвместно филтриране
• Неперсонализирани системи за препоръки
• Хибридни алгоритми
Компютърно зрение
Ще овладеете основни техники за компютърно зрение: извличане на характеристики, търсене на изображения, сегментиране, откриване на обекти и също ще научите как да изграждате невронни мрежи.
• Търсене по изображения
• Сегментиране на изображението, откриване на обекти
• Приложение на свръхпрецизни невронни мрежи за задачи за сегментиране и откриване
• Приложение на рекурентни мрежи при проблеми с обработката на изображения
• Генеративни състезателни мрежи (GAN)
Обработка на естествен език (NLP)
Ще овладеете морфологичен и синтактичен анализ, семантика на разпространение и извличане на информация, научете се да намалявате размерността във векторен модел, да класифицирате, извличате информация и генерирате текстове.
• Морфологичен и синтактичен анализ
• Методи за намаляване на размерността във векторен модел. Търсене на информация
• Тематично моделиране (LSA, LDA, HDP)
• Разпределителна семантика (word2vec, GloVe, AdaGram)
• Изброими езикови модели и вероятностни езикови модели. LSTM. Машинен превод
• Генериране на текст (генериране на естествен език)
• Проблем с класификацията в AOT
Времеви редове
В тази интензивна единица ще се научите да идентифицирате произхода и структурата на времеви редове, да прогнозирате бъдещи стойности за ефективно вземане на решения при изграждане на модели за машинно обучение. Ще разберете какво има „под капака“ на популярните методи и библиотеки.
• Алгоритми за обработка на времеви редове
• Модели ARIMA и GARCH
• Марковски случайни процеси
Финален хакатон
Нека завършим обучението, като се състезаваме с колеги от курса: като част от миниотбор за ограничено време и въз основа на масиви от данни на основни играчи пазара, ще трябва да решавате проблеми с прогнозирането на продажбите или оптимизирането на производството, като използвате всички знания и умения, придобити в курс. Интегрирането и използването на решения за машинно обучение в бизнеса като правило включва екипна игра, така че хакатонът е полезен и като обучение на необходимите меки умения.
Проект за дипломиране
Като част от вашия дипломен проект вие ще изградите ML модел за решаване на вашите текущи професионални проблеми: това може да бъде система прогнозиране на продажбите, разпознаване на обекти в снимки или видео, анализ на времеви серии, анализ на голямо количество текст и др. д. Ако в момента нямате идеи за вашия проект (или достъп до необходимите данни), ние ще ви предложим казус в област, която ви интересува, на базата на реален набор от данни на други компании. Дипломната работа се попълва самостоятелно под ръководството на експерти по курса и ви позволява да консолидирате целия набор от знания и умения, придобити в програмата.