Maskinlæring: grunnleggende verktøy og praksis - kurs 51 590 RUB. fra Netology, opplæring 10 måneder, Dato 30. november 2023.

Modellbygg
Lær hva Sklearn-biblioteket er og hvordan du bruker det. Lær klyngealgoritmer og kunne bygge ensembler av modeller. Lær å vurdere modeller og jobbe med overfitting. Du vil lære hvordan du bruker GridSearch og RandomizedSearch, Model Specific CV, Out of Bag-tilnærming.
• Sklearn bibliotek
• Klassifikasjonsalgoritmer: lineære metoder, logistisk regresjon og SVM
• Klassifiseringsalgoritmer: beslutningstrær
• Regresjonsalgoritmer: lineær og polynom
• Klyngealgoritmer
• Ensemble
• Modellnøyaktighetsvurdering, omskolering, regularisering
• Forbedring av kvaliteten på modellen
• Prosjektorganisering, utarbeidelse av forskningsrapporter
• Laboratoriearbeid
• Levering av mellomprosjektet

Arbeide med kunden
Du vil lære å planlegge utviklingen av datavitenskapelige prosjekter, samt på en kompetent måte fortelle kunder om forskningsresultater.

• Prosjektorganisering
• Utarbeidelse av forskningsrapporter

Anbefaler systemer
I denne og de følgende blokkene vil du bruke den tilegnete kunnskapen på ulike områder innen maskinlæring. I løpet av denne blokken lærer du hvordan du bygger personlige og ikke-personlige anbefalingssystemer, og hvordan du kombinerer dem.
• Innføring og klassifisering av anbefalingssystemer
• Innholdsbaserte anbefalinger
•Samarbeidsfiltrering
• Ikke-personlige anbefalingssystemer
• Hybride algoritmer

Datamaskin syn
Du vil mestre grunnleggende datasynsteknikker: funksjonsutvinning, bildesøk, segmentering, gjenstandsdeteksjon, og også lære hvordan du bygger nevrale nettverk.
• Søk etter bilder
• Bildesegmentering, objektgjenkjenning
• Anvendelse av ultrapresise nevrale nettverk for segmenterings- og deteksjonsoppgaver
• Anvendelse av tilbakevendende nettverk i bildebehandlingsproblemer
• Generative Adversarial Networks (GAN)

Natural Language Processing (NLP)
Du vil mestre morfologisk og syntaktisk analyse, distribusjonssemantikk og informasjonsinnhenting, lære å redusere dimensjonalitet i en vektormodell, klassifisere, trekke ut informasjon og generere tekster.
• Morfologisk og syntaktisk analyse
• Metoder for å redusere dimensjonalitet i en vektormodell. Informasjonssøk
• Emnemodellering (LSA, LDA, HDP)
• Distributiv semantikk (word2vec, GloVe, AdaGram)
• Tellelige språkmodeller og probabilistiske språkmodeller. LSTM. Maskinoversettelse
• Tekstgenerering (naturlig språkgenerering)
• Klassifiseringsproblem i AOT

Tidsserier
I denne intensive enheten vil du lære å identifisere opprinnelsen og strukturen til en tidsserie, forutsi fremtidige verdier for effektiv beslutningstaking når du bygger maskinlæringsmodeller. Du vil forstå hva som er "under panseret" av populære metoder og biblioteker.
• Algoritmer for behandling av tidsserier
• ARIMA- og GARCH-modeller
• Markov tilfeldige prosesser

Siste hackathon
La oss fullføre opplæringen ved å konkurrere med kurskamerater: som en del av et miniteam i en begrenset periode og basert på datasett fra store aktører markedet, må du løse problemer med å forutse salg eller optimalisere produksjonen, ved å bruke all kunnskap og ferdigheter som er tilegnet i kurs. Integrasjon og bruk av maskinlæringsløsninger i næringslivet involverer som regel lagspill, så et hackathon er også nyttig som trening av nødvendige myke ferdigheter.

Avgangsprosjekt
Som en del av oppgaveprosjektet ditt vil du bygge en ML-modell for å løse dine nåværende faglige problemer: dette kan være et system salgsprognoser, gjenkjenning av objekter i bilder eller videoer, tidsserieanalyse, analyse av store tekstmengder m.m. d. Hvis du for øyeblikket ikke har ideer til prosjektet ditt (eller tilgang til nødvendige data), vil vi tilby deg en casestudie i et område av interesse for deg basert på et reelt datasett fra andre selskaper. Oppgaven fullføres uavhengig under veiledning av kurseksperter og lar deg konsolidere hele spekteret av kunnskap og ferdigheter ervervet i programmet.