0
Visninger
Maskinlæring - kurs 39 240 RUB. fra SkillFactory, trening 12 uker, Dato 13. august 2023.
Miscellanea / / December 02, 2023
Hva består kurset av?
Kurset inkluderer 10 moduler, mer enn 500 øvelser for å forsterke materialet, opplæring i 10 maskinlæringsalgoritmer, 2 hackathons på kaggle, chat med fellesskapet og mentorstøtte
Data Science-spesialiseringen består av emner:
Python
Math&Stat
Maskinlæring
Deep Learning
Datateknikk
Ledelse
Ferdighetstrening
Hvert emne er dekket i videoer, skjermdumper og notater og forsterket med dusinvis av øvelser (tester, kodefeilsøking, kontroll av studentkode).
Fellesskap og mentor
I løpet av kurset vil du ikke sitte alene med vanskeligheter – ikke bare klassekameratene dine hjelper deg, men også kursveilederen.
Modelltrening
I kurset om hvert tema jobber du med ML-modellen – finjuster, lag fra bunnen av, optimaliser, prøv ulike metoder.
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 konsolidere temaet
Dataforbehandlingsmetoder
— Vi studerer datatyper, lærer å rense og berike data, bruker visualisering til forbehandling og mestrer funksjonsteknikk
— Vi løser 60+ problemer for å konsolidere temaet
Regresjon
— Vi studerer datatyper, lærer å rense og berike data, mestrer lineær og logistisk regresjon, studerer grensene for anvendelighet, analytisk slutning og regularisering
— Trening av regresjonsmodeller
— Vi løser 40+ problemer for å konsolidere temaet
Gruppering
— Vi mestrer læring uten lærer, øver på de ulike metodene, jobber med tekster ved hjelp av ML
— Vi løser 50+ problemer for å konsolidere temaet
Trebaserte algoritmer: en introduksjon til trær
— Bli kjent med beslutningstrær og deres egenskaper, mestring av trær fra sklearn-biblioteket og bruk av trær for å løse et regresjonsproblem
— Vi løser 40+ problemer for å konsolidere temaet
Trebaserte algoritmer: ensembler
— Vi studerer egenskapene til treensembler, øver på boosting, bruker ensemblet til å bygge logistisk regresjon
— Vi løser 40+ problemer for å konsolidere temaet
— Vi deltar i en konkurranse om kaggle for opplæring av en trebasert modell
Vurdere kvaliteten på algoritmer
— Vi studerer prinsippene for prøvedeling, under- og overtrening, evaluerer modeller ved hjelp av ulike kvalitetsmålinger, lærer å visualisere læringsprosessen
— Vi vurderer kvaliteten på flere ML-modeller
— Vi løser 40+ problemer for å konsolidere temaet
Tidsserier i maskinlæring
— Bli kjent med tidsserieanalyse i ML, mestring av lineære modeller og XGBoost, studere prinsippene for kryssvalidering og parametervalg
— Vi løser 50+ problemer for å konsolidere temaet
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 konsolidere temaet
Siste hackathon
— Vi bruker alle de studerte metodene for å oppnå maksimal nøyaktighet av modellprediksjoner på kaggle
Abonnere
YOU MIGHT ALSO LIKE
