Maskininlärning - kurs 39 240 RUB. från SkillFactory, träning 12 veckor, Datum 13 augusti 2023.

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

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

Regression
— Vi studerar datatyper, lär oss att rengöra och berika data, bemästra linjär och logistisk regression, studera gränserna för tillämplighet, analytisk slutledning och regularisering
— Träning av regressionsmodeller
— Vi löser 40+ problem för att konsolidera ämnet

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

Trädbaserade algoritmer: en introduktion till träd
— Bekanta dig med beslutsträd och deras egenskaper, bemästra träd från sklearn-biblioteket och använda träd för att lösa ett regressionsproblem
— Vi löser 40+ problem för att konsolidera ämnet

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 konsolidera ämnet
 — Vi deltar i en tävling om kaggle för att träna en trädbaserad modell

Bedöma kvaliteten på algoritmer
— Vi studerar principerna för provdelning, under- och överträning, utvärderar modeller med olika kvalitetsmått, lär oss att visualisera inlärningsprocessen
— Vi utvärderar kvaliteten på flera ML-modeller
— Vi löser 40+ problem för att konsolidera ämnet

Tidsserier i maskininlärning
— Att bekanta sig med tidsserieanalys i ML, bemästra linjära modeller och XGBoost, studera principerna för korsvalidering och parameterval
— Vi löser 50+ problem för att konsolidera ämnet

Rekommendationssystem
— Vi studerar metoder för att konstruera rekommendatorsystem, behärskar SVD-algoritmen, utvärderar kvaliteten på rekommendationerna för den tränade modellen
— Vi löser 50+ problem för att konsolidera ämnet

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