Koneoppiminen - kurssi 39 240 RUB. SkillFactorysta, koulutus 12 viikkoa, päivämäärä 13.8.2023.
Miscellanea / / December 02, 2023
Mistä kurssi koostuu?
Kurssi sisältää 10 moduulia, yli 500 harjoitusta materiaalin vahvistamiseksi, 10 koneoppimisalgoritmin harjoittelun, 2 kaggle-hackathonia, chatin yhteisön kanssa ja mentorituen
Datatieteen erikoisala koostuu kursseista:
Python
Math&Stat
Koneoppiminen
Syväoppiminen
Tietotekniikka
Hallinto
Taitoharjoittelu
Jokainen aihe on käsitelty videoissa, näyttölähetyksissä ja muistiinpanoissa ja vahvistettu kymmenillä harjoituksilla (testit, koodin virheenkorjaus, opiskelijakoodin tarkistaminen).
Yhteisö ja mentori
Kurssin aikana et jää yksin vaikeuksien kanssa - luokkatoverisi lisäksi myös kurssin mentori eivät auta sinua.
Mallin koulutus
Jokaisen aiheen kurssilla työskentelet ML-mallin parissa - hienosäädät, luot tyhjästä, optimoit, kokeilet erilaisia menetelmiä.
Johdatus koneoppimiseen
— Tutustumme koneoppimisen päätehtäviin ja menetelmiin, tutkimme käytännön tapauksia ja sovellamme perusalgoritmia ML-projektin parissa työskentelyyn
— Ratkaisemme yli 50 tehtävää aiheen lujittamiseksi
Tietojen esikäsittelymenetelmät
— Tutkimme tietotyyppejä, opimme puhdistamaan ja rikastuttamaan dataa, käyttämään visualisointia esikäsittelyssä ja hallitsemaan ominaisuussuunnittelua
— Ratkaisemme yli 60 tehtävää aiheen lujittamiseksi
Regressio
— Tutkimme tietotyyppejä, opimme puhdistamaan ja rikastamaan dataa, hallitsemaan lineaarista ja logistista regressiota, tutkimme soveltuvuuden rajoja, analyyttistä päättelyä ja regularisointia
— Regressiomallien koulutus
— Ratkaisemme yli 40 tehtävää aiheen lujittamiseksi
Klusterointi
— Hallitsemme oppimisen ilman opettajaa, harjoittelemme sen erilaisia menetelmiä, työskentelemme tekstien kanssa ML: n avulla
— Ratkaisemme yli 50 tehtävää aiheen lujittamiseksi
Puupohjaiset algoritmit: johdatus puihin
- Päätöspuihin ja niiden ominaisuuksiin tutustuminen, sklearn-kirjaston puiden hallitseminen ja puiden käyttäminen regressiotehtävän ratkaisemiseen
— Ratkaisemme yli 40 tehtävää aiheen lujittamiseksi
Puupohjaiset algoritmit: kokoonpanot
— Tutkimme puuryhmien ominaisuuksia, harjoittelemme tehostamista, käytämme kokonaisuutta logistisen regression rakentamiseen
— Ratkaisemme yli 40 tehtävää aiheen lujittamiseksi
— Osallistumme kaggle-kilpailuun puupohjaisen mallin kouluttamisesta
Algoritmien laadun arviointi
— Tutkimme otosjaon, ali- ja ylikoulutuksen periaatteita, arvioimme malleja eri laatumittareiden avulla, opimme visualisoimaan oppimisprosessia
— Arvioimme useiden ML-mallien laatua
— Ratkaisemme yli 40 tehtävää aiheen lujittamiseksi
Aikasarjat koneoppimisessa
— Tutustuminen ML: n aikasarjaanalyysiin, lineaaristen mallien ja XGBoostin hallitseminen, ristiinvalidoinnin ja parametrien valinnan periaatteiden tutkiminen
— Ratkaisemme yli 50 tehtävää aiheen lujittamiseksi
Recommender-järjestelmät
— Tutkimme suosittelujärjestelmien rakentamismenetelmiä, hallitsemme SVD-algoritmin, arvioimme opetetun mallin suositusten laatua
— Ratkaisemme yli 50 tehtävää aiheen lujittamiseksi
Viimeinen hackathon
— Käytämme kaikkia tutkittuja menetelmiä saadaksemme kagglen malliennusteiden maksimaalisen tarkkuuden