Maschinelles Lernen: grundlegende Werkzeuge und Praktiken – Kurs 51.590 RUB. von Netology, Ausbildung 10 Monate, Datum 30. November 2023.
Verschiedenes / / December 02, 2023
Studieren Sie anhand von Beispielen die grundlegenden Algorithmen und finden Sie heraus, in welchen Fällen Sie sie verwenden sollten
Lernen Sie, Algorithmen anhand vorgefertigter Datensätze zu vergleichen und Methoden zur Qualitätsverbesserung zu identifizieren
Modellbau
Erfahren Sie, was die Sklearn-Bibliothek ist und wie Sie sie verwenden. Erlernen Sie Clustering-Algorithmen und können Sie Ensembles von Modellen erstellen. Lernen Sie, Modelle zu bewerten und mit Überanpassung zu arbeiten. Sie lernen, wie Sie GridSearch und RandomizedSearch, einen modellspezifischen Lebenslauf und den Out-of-Bag-Ansatz verwenden.
• Sklearn-Bibliothek
• Klassifizierungsalgorithmen: lineare Methoden, logistische Regression und SVM
• Klassifizierungsalgorithmen: Entscheidungsbäume
• Regressionsalgorithmen: linear und polynomial
• Clustering-Algorithmen
• Ensemble
• Modellgenauigkeitsbewertung, Umschulung, Regularisierung
• Verbesserung der Qualität des Modells
• Projektorganisation, Erstellung von Forschungsberichten
• Labor arbeit
• Lieferung des Zwischenprojekts
Zusammenarbeit mit dem Kunden
Sie lernen, die Entwicklung von Data-Science-Projekten zu planen und Kunden kompetent über Forschungsergebnisse zu informieren.
• Projektorganisation
• Erstellung von Forschungsberichten
Empfehlungssysteme
In diesem und den folgenden Blöcken wenden Sie das erworbene Wissen in verschiedenen Bereichen des maschinellen Lernens an. In diesem Block erfahren Sie, wie Sie personalisierte und nicht personalisierte Empfehlungssysteme aufbauen und diese kombinieren.
• Einführung und Klassifizierung von Empfehlungssystemen
• Inhaltsbasierte Empfehlungen
•Kollaboratives Filtern
• Nicht personalisierte Empfehlungssysteme
• Hybride Algorithmen
Computer Vision
Sie beherrschen grundlegende Computer-Vision-Techniken: Merkmalsextraktion, Bildsuche, Segmentierung, Objekterkennung und lernen auch, wie man neuronale Netze aufbaut.
• Suche nach Bildern
• Bildsegmentierung, Objekterkennung
• Anwendung ultrapräziser neuronaler Netze für Segmentierungs- und Erkennungsaufgaben
• Anwendung wiederkehrender Netzwerke bei Bildverarbeitungsproblemen
• Generative Adversarial Networks (GANs)
Verarbeitung natürlicher Sprache (NLP)
Sie beherrschen die morphologische und syntaktische Analyse, die Verteilungssemantik und das Informationsabrufen. Lernen Sie, die Dimensionalität in einem Vektormodell zu reduzieren, zu klassifizieren, Informationen zu extrahieren und zu generieren Texte.
• Morphologische und syntaktische Analyse
• Methoden zur Reduzierung der Dimensionalität in einem Vektormodell. Informationssuche
• Themenmodellierung (LSA, LDA, HDP)
• Distributive Semantik (word2vec, GloVe, AdaGram)
• Abzählbare Sprachmodelle und probabilistische Sprachmodelle. LSTM. Maschinelle Übersetzung
• Textgenerierung (Natural Language Generation)
• Klassifizierungsproblem in AOT
Zeitfolgen
In dieser Intensiveinheit lernen Sie, den Ursprung und die Struktur einer Zeitreihe zu identifizieren und zukünftige Werte für eine effektive Entscheidungsfindung beim Aufbau von Modellen für maschinelles Lernen vorherzusagen. Sie werden verstehen, was „unter der Haube“ gängiger Methoden und Bibliotheken steckt.
• Algorithmen zur Verarbeitung von Zeitreihen
• ARIMA- und GARCH-Modelle
• Markov-Zufallsprozesse
Letzter Hackathon
Lassen Sie uns das Training absolvieren, indem wir uns mit Kurskameraden messen: als Teil eines Miniteams für eine begrenzte Zeit und basierend auf Datensätzen wichtiger Spieler Markt müssen Sie Probleme der Umsatzprognose oder der Produktionsoptimierung lösen und dabei alle erworbenen Kenntnisse und Fähigkeiten nutzen Kurs. Die Integration und Nutzung von Machine-Learning-Lösungen in der Wirtschaft erfordert in der Regel Teamplay, daher ist ein Hackathon auch sinnvoll, um die notwendigen Soft Skills zu trainieren.
Abschlussprojekt
Im Rahmen Ihrer Abschlussarbeit erstellen Sie ein ML-Modell zur Lösung Ihrer aktuellen beruflichen Probleme: Dies könnte ein System sein Umsatzprognosen, Objekterkennung in Fotos oder Videos, Zeitreihenanalyse, Analyse großer Textmengen usw. D. Wenn Sie im Moment keine Ideen für Ihr Projekt haben (oder keinen Zugang zu den notwendigen Daten haben), bieten wir Ihnen eine Fallstudie in einem für Sie interessanten Bereich basierend auf einem realen Datensatz anderer Unternehmen an. Die Abschlussarbeit wird unter Anleitung von Studienfachexperten selbstständig angefertigt und ermöglicht Ihnen die Festigung des gesamten im Studium erworbenen Wissens und Könnens.