Maskinlæring og dyp læring - kurs 68 040 rubler. fra SkillFactory, trening 20 uker, Dato: 13. august 2023.
Miscellanea / / December 02, 2023
Kort program for kurset "Machine Learning PRO"
Modul 1
Introduksjon til maskinlæring
Vi blir kjent med hovedoppgavene og metodene for maskinlæring, studerer praktiske caser og bruker den grunnleggende algoritmen for å jobbe med et ML-prosjekt
Vi løser 50+ problemer for å forsterke temaet
Modul 2
Dataforbehandlingsmetoder
Vi studerer datatyper, lærer å rense og berike data, bruker visualisering for forbehandling og mestrer funksjonsteknikk
Vi løser 60+ problemer for å forsterke temaet
Modul 3
Regresjon
Vi behersker lineær og logistisk regresjon, studerer grensene for anvendelighet, analytisk slutning og regularisering. Trening av regresjonsmodeller
Vi løser 40+ problemer for å forsterke temaet
Modul 4
Gruppering
Vi mestrer læring uten lærer, øver på de ulike metodene, jobber med tekster ved hjelp av ML
Vi løser 50+ problemer for å forsterke temaet
Modul 5
Trebaserte algoritmer: en introduksjon til trær
La oss bli kjent med beslutningstrær og deres egenskaper, mestre trær fra sklearn-biblioteket og bruke trær til å løse et regresjonsproblem
Vi løser 40+ problemer for å forsterke temaet
Modul 6
Trebaserte algoritmer: ensembler
Vi studerer egenskapene til treensembler, øver på boosting, bruker ensemblet til å bygge logistisk regresjon
Vi løser 40+ problemer for å forsterke temaet
Vi deltar i en konkurranse om kaggle for opplæring av en trebasert modell
Modul 7
Vurdere kvaliteten på algoritmer
Vi studerer prinsippene for prøvedeling, under- og overtilpasning, evaluerer modeller ved hjelp av ulike kvalitetsmålinger, lærer å visualisere læringsprosessen
Evaluering av kvaliteten på flere ML-modeller
Vi løser 40+ problemer for å forsterke temaet
Modul 8
Tidsserier i maskinlæring
La oss bli kjent med tidsserieanalyse i ML, mestre lineære modeller og XGBoost, studere prinsippene for kryssvalidering og parametervalg
Vi løser 50+ problemer for å forsterke temaet
Modul 9
Anbefaler systemer
Vi studerer metoder for å konstruere anbefalingssystemer, mestrer SVD-algoritmen, evaluerer kvaliteten på anbefalingene til den trente modellen
Vi løser 50+ problemer for å forsterke temaet
Modul 10
Siste hackathon
Vi bruker alle de studerte metodene for å oppnå maksimal nøyaktighet av modellprediksjoner på kaggle
Kursprogram "Deep Learning"
Modul 1
Introduksjon til kunstige nevrale nettverk
Vi lager et nevralt nettverk for å gjenkjenne håndskrevne tall i Python
Modul 2
Rammer for dyp læring (TensorFlow, Keras)
Vi lager en bildegjenkjenningsmodell basert på FashionMNIST-datasettet og Keras-rammeverket
Modul 3
Konvolusjonelle nevrale nettverk
Vi gjenkjenner bilder i CIFAR-10-datasettet ved å bruke et konvolusjonelt nevralt nettverk
Modul 4
Neural nettverksoptimalisering
Forbedre hastigheten og ytelsen til nettverk for tilfellet med forrige modul
Modul 5
Overfør læring og finjustering
Ytterligere opplæring av ImageNET nevrale nettverk for å løse problemet med bildeklassifisering
Modul 6
Bildesegmentering
Designe et nevralt nettverk for å segmentere mennesker i COCO-datasettet
Modul 7
Objektdeteksjon
Vi trener et nevralt nettverk for å løse et deteksjonsproblem ved å bruke eksemplet på et datasett med merkelogoer
Modul 8
Introduksjon til NLP og Word Embeddings
Opprette et nevralt nettverk for å arbeide med naturlig språk
Modul 9
Tilbakevendende nevrale nettverk
Opprette en chatbot basert på et tilbakevendende nevralt nettverk
Modul 10
Forsterkende læring
Opprette en agent for å spille Pong basert på DQN-algoritmen
Modul 11
Hva blir det neste?
La oss bli kjent med andre anvendelsesområder for nevrale nettverk. Opprette et GAN nevralt nettverk for bildegenerering