Masinõpe ja süvaõpe – kursus 68 040 hõõruda. SkillFactoryst, koolitus 20 nädalat, Kuupäev: 13. august 2023.

Kursuse “Machine Learning PRO” lühiprogramm

1. moodul
Sissejuhatus masinõppesse
Tutvume masinõppe peamiste ülesannete ja meetoditega, uurime praktilisi juhtumeid ja rakendame ML projektiga töötamise põhialgoritmi
Teema tugevdamiseks lahendame 50+ ülesannet

2. moodul
Andmete eeltöötlusmeetodid
Uurime andmetüüpe, õpime andmeid puhastama ja rikastama, kasutame visualiseerimist eeltöötluseks ja valdame funktsioonide projekteerimist
Teema tugevdamiseks lahendame üle 60 probleemi

3. moodul
Regressioon
Valdame lineaarset ja logistilist regressiooni, uurime rakendatavuse piire, analüütilist järeldust ja seadustamist. Regressioonimudelite treenimine
Teema tugevdamiseks lahendame 40+ ülesannet

4. moodul
Klasterdamine
Me valdame ilma õpetajata õppimist, praktiseerime selle erinevaid meetodeid, töötame tekstidega ML abil
Teema tugevdamiseks lahendame 50+ ülesannet

5. moodul
Puupõhised algoritmid: sissejuhatus puudesse
Tutvume otsustuspuude ja nende omadustega, meisterdame puud sklearni raamatukogust ja kasutame puid regressiooniülesande lahendamiseks
Teema tugevdamiseks lahendame 40+ ülesannet

6. moodul
Puupõhised algoritmid: ansamblid
Uurime puuansamblite omadusi, harjutame võimendamist, kasutame ansamblit logistilise regressiooni koostamiseks
Teema tugevdamiseks lahendame 40+ ülesannet
Osaleme kaggle võistlusel puupõhise mudeli treenimiseks

7. moodul
Algoritmide kvaliteedi hindamine
Uurime valimite jagamise, ala- ja ülesobitamise põhimõtteid, hindame mudeleid erinevate kvaliteedimõõdikute abil, õpime visualiseerima õppeprotsessi
Mitmete ML mudelite kvaliteedi hindamine
Teema tugevdamiseks lahendame 40+ ülesannet

8. moodul
Aegridad masinõppes
Tutvume aegridade analüüsiga ML-is, meisterdame lineaarseid mudeleid ja XGBoosti, uurime ristvalideerimise ja parameetrite valiku põhimõtteid
Teema tugevdamiseks lahendame 50+ ülesannet

9. moodul
Soovitussüsteemid
Uurime soovitussüsteemide konstrueerimise meetodeid, valdame SVD algoritmi, hindame koolitatud mudeli soovituste kvaliteeti
Teema tugevdamiseks lahendame 50+ ülesannet

10. moodul
Viimane häkaton
Kaggle mudeli prognooside maksimaalse täpsuse saavutamiseks rakendame kõiki uuritud meetodeid

Kursuse programm "Süvaõpe"

1. moodul
Sissejuhatus tehisnärvivõrkudesse
Loome Pythonis käsitsi kirjutatud numbrite tuvastamiseks närvivõrgu

2. moodul
Süvaõppe raamistikud (TensorFlow, Keras)
Loome pildituvastusmudeli FashionMNIST andmestiku ja Kerase raamistiku alusel

3. moodul
Konvolutsioonilised närvivõrgud
Tuvastame pildid CIFAR-10 andmekogumis konvolutsioonilise närvivõrgu abil

4. moodul
Närvivõrgu optimeerimine
Võrkude kiiruse ja jõudluse parandamine eelmise mooduli puhul

5. moodul
Õppimine ja peenhäälestus
ImageNET närvivõrgu lisakoolitus piltide klassifitseerimise probleemi lahendamiseks

6. moodul
Pildi segmenteerimine
Närvivõrgu kujundamine inimeste segmenteerimiseks COCO andmekogumis

7. moodul
Objekti tuvastamine
Koolitame närvivõrku tuvastusprobleemi lahendamiseks brändilogodega andmekogumi näitel

8. moodul
Sissejuhatus NLP-sse ja Wordi manustesse
Loomuliku keelega töötamiseks mõeldud närvivõrgu loomine

9. moodul
Korduvad närvivõrgud
Korduval närvivõrgul põhineva vestlusroboti loomine

10. moodul
Tugevdusõpe
Agendi loomine pongi mängimiseks DQN-i algoritmi alusel

11. moodul
Mis järgmiseks?
Tutvume närvivõrkude teiste rakendusvaldkondadega. GAN-närvivõrgu loomine pildi genereerimiseks