Uczenie maszynowe - kurs 39 240 RUB. z SkillFactory, szkolenie 12 tygodni, data 13 sierpnia 2023.
Miscellanea / / December 02, 2023
Z czego składa się kurs?
Kurs obejmuje 10 modułów, ponad 500 ćwiczeń utrwalających materiał, szkolenie z 10 algorytmów uczenia maszynowego, 2 hackatony na kaggle, czat ze społecznością i wsparcie mentorskie
Na specjalizację Data Science składają się kursy:
Pyton
Matematyka i statystyka
Nauczanie maszynowe
Głęboka nauka
Inżynieria danych
Kierownictwo
Trening umiejętności
Każdy temat jest omówiony w filmach, screencastach i notatkach oraz wzmocniony dziesiątkami ćwiczeń (testy, debugowanie kodu, sprawdzanie kodu ucznia).
Społeczność i mentor
Podczas kursu nie zostaniesz sam z trudnościami – pomogą Ci nie tylko koledzy z klasy, ale także mentor kursu.
Trening modelowy
Na kursie na każdy temat pracujesz z modelem ML – dostrajaj, twórz od podstaw, optymalizuj, próbuj różnych metod.
Wprowadzenie do uczenia maszynowego
— Zapoznajemy się z głównymi zadaniami i metodami Machine Learning, studiujemy praktyczne przypadki i stosujemy podstawowy algorytm pracy nad projektem ML
— Rozwiązujemy ponad 50 problemów, aby skonsolidować temat
Metody wstępnego przetwarzania danych
— Badamy typy danych, uczymy się czyścić i wzbogacać dane, wykorzystywać wizualizację do wstępnego przetwarzania i opracowywać inżynierię cech
— Rozwiązujemy ponad 60 problemów, aby skonsolidować temat
Regresja
— Badamy typy danych, uczymy się czyścić i wzbogacać dane, opanowywać regresję liniową i logistyczną, badać granice stosowalności, wnioskować analitycznie i regularyzację
— Modele regresji szkoleniowej
— Rozwiązujemy ponad 40 problemów, aby skonsolidować temat
Grupowanie
— Opanowujemy naukę bez nauczyciela, ćwiczymy różne jej metody, pracujemy z tekstami z wykorzystaniem ML
— Rozwiązujemy ponad 50 problemów, aby skonsolidować temat
Algorytmy oparte na drzewach: wprowadzenie do drzew
— Zapoznanie się z drzewami decyzyjnymi i ich właściwościami, opanowanie drzew z biblioteki sklearn i wykorzystanie drzew do rozwiązania problemu regresji
— Rozwiązujemy ponad 40 problemów, aby skonsolidować temat
Algorytmy drzewiaste: zespoły
— Badamy cechy zespołów drzew, ćwiczymy wzmacnianie, wykorzystujemy zespół do budowania regresji logistycznej
— Rozwiązujemy ponad 40 problemów, aby skonsolidować temat
— Bierzemy udział w konkursie na kaggle do szkolenia modelu opartego na drzewie
Ocena jakości algorytmów
— Studiujemy zasady podziału próby, niedotrenowania i przetrenowania, oceniamy modele przy użyciu różnych mierników jakości, uczymy się wizualizować proces uczenia się
— Oceniamy jakość kilku modeli ML
— Rozwiązujemy ponad 40 problemów, aby skonsolidować temat
Szeregi czasowe w uczeniu maszynowym
— Zaznajomienie się z analizą szeregów czasowych w ML, opanowanie modeli liniowych i XGBoost, poznanie zasad cross-validacji i doboru parametrów
— Rozwiązujemy ponad 50 problemów, aby skonsolidować temat
Systemy rekomendacyjne
— Badamy metody budowy systemów rekomendacyjnych, opanowujemy algorytm SVD, oceniamy jakość rekomendacji wyszkolonego modelu
— Rozwiązujemy ponad 50 problemów, aby skonsolidować temat
Ostatni hackaton
— Stosujemy wszystkie badane metody, aby uzyskać maksymalną dokładność przewidywań modelu na kaggle