Maskininlärning och djupinlärning - kurs 68 040 rubel. från SkillFactory, träning 20 veckor, Datum: 13 augusti 2023.

Kort program för kursen "Machine Learning PRO"

Modul 1
Introduktion till maskininlärning
Vi bekantar oss med huvuduppgifterna och metoderna för maskininlärning, studerar praktiska fall och tillämpar den grundläggande algoritmen för att arbeta med ett ML-projekt
Vi löser 50+ problem för att förstärka ämnet

Modul 2
Dataförbehandlingsmetoder
Vi studerar datatyper, lär oss att rengöra och berika data, använder visualisering för förbearbetning och behärskar funktionsteknik
Vi löser 60+ problem för att förstärka ämnet

Modul 3
Regression
Vi behärskar linjär och logistisk regression, studerar gränserna för tillämplighet, analytisk slutledning och regularisering. Träning av regressionsmodeller
Vi löser 40+ problem för att förstärka ämnet

Modul 4
Klustring
Vi behärskar lärande utan lärare, övar på dess olika metoder, arbetar med texter med hjälp av ML
Vi löser 50+ problem för att förstärka ämnet

Modul 5
Trädbaserade algoritmer: en introduktion till träd
Låt oss bekanta oss med beslutsträd och deras egenskaper, bemästra träd från sklearnbiblioteket och använda träd för att lösa ett regressionsproblem

Vi löser 40+ problem för att förstärka ämnet

Modul 6
Trädbaserade algoritmer: ensembler
Vi studerar egenskaperna hos trädensembler, övar på att öka, använder ensemblen för att bygga logistisk regression
Vi löser 40+ problem för att förstärka ämnet
Vi deltar i en tävling om kaggle för att träna en trädbaserad modell

Modul 7
Bedöma kvaliteten på algoritmer
Vi studerar principerna för provdelning, under- och överanpassning, utvärderar modeller med olika kvalitetsmått, lär oss att visualisera inlärningsprocessen
Utvärdera kvaliteten på flera ML-modeller
Vi löser 40+ problem för att förstärka ämnet

Modul 8
Tidsserier i maskininlärning
Låt oss bekanta oss med tidsserieanalys i ML, behärska linjära modeller och XGBoost, studera principerna för korsvalidering och parameterval
Vi löser 50+ problem för att förstärka ämnet

Modul 9
Rekommendationssystem
Vi studerar metoder för att konstruera rekommendationssystem, behärskar SVD-algoritmen, utvärderar kvaliteten på rekommendationer från den tränade modellen
Vi löser 50+ problem för att förstärka ämnet

Modul 10
Sista hackathon
Vi tillämpar alla studerade metoder för att få maximal noggrannhet av modellförutsägelser på kaggle

Kursprogrammet "Deep Learning"

Modul 1
Introduktion till artificiella neurala nätverk
Vi skapar ett neuralt nätverk för att känna igen handskrivna siffror i Python

Modul 2
Ramar för djupinlärning (TensorFlow, Keras)
Vi skapar en bildigenkänningsmodell baserad på FashionMNIST dataset och Keras ramverk

Modul 3
Konvolutionella neurala nätverk
Vi känner igen bilder i CIFAR-10-datauppsättningen med hjälp av ett konvolutionellt neuralt nätverk

Modul 4
Neural nätverksoptimering
Förbättring av hastighet och prestanda för nätverk för fallet med föregående modul

Modul 5
Överför lärande & finjustering
Ytterligare utbildning av ImageNET neurala nätverk för att lösa problemet med bildklassificering

Modul 6
Bildsegmentering
Designa ett neuralt nätverk för att segmentera människor i COCO-datauppsättningen

Modul 7
Objektdetektering
Vi tränar ett neuralt nätverk för att lösa ett detekteringsproblem med hjälp av exemplet med en datauppsättning med varumärkeslogotyper

Modul 8
Introduktion till NLP och Word Inbäddningar
Skapa ett neuralt nätverk för att arbeta med naturligt språk

Modul 9
Återkommande neurala nätverk
Skapa en chatbot baserad på ett återkommande neuralt nätverk

Modul 10
Förstärkningsinlärning
Skapa en agent för att spela Pong baserat på DQN-algoritmen

Modul 11
Vad kommer härnäst?
Låt oss bekanta oss med andra tillämpningsområden för neurala nätverk. Skapa ett GAN neuralt nätverk för bildgenerering