Masinõpe: põhilised tööriistad ja tavad – kursus 51 590 RUB. Netologyst, koolitus 10 kuud, kuupäev 30. november 2023.
Varia / / December 02, 2023
Uurige näidete abil põhialgoritme ja selgitage välja, millistel juhtudel neid kasutada
Õppige võrdlema valmis andmekogumite algoritme ja leidma meetodeid kvaliteedi parandamiseks
Mudeli ehitamine
Siit saate teada, mis on Sklearni teek ja kuidas seda kasutada. Õppige klasterdamisalgoritme ja oskama koostada mudelite ansambleid. Õppige mudeleid hindama ja töötama ülefittinguga. Saate teada, kuidas kasutada GridSearchi ja RandomizedSearchi, mudelipõhist CV-d, kotist väljas lähenemist.
• Sklearni raamatukogu
• Klassifitseerimisalgoritmid: lineaarsed meetodid, logistiline regressioon ja SVM
• Klassifitseerimisalgoritmid: otsustuspuud
• Regressioonialgoritmid: lineaarne ja polünoom
• Klasterdamisalgoritmid
• Ansambel
• Mudeli täpsuse hindamine, ümberõpe, seadustamine
• Mudeli kvaliteedi parandamine
• Projekti korraldamine, uurimisaruannete koostamine
• Laboratoorsed tööd
• Vaheprojekti üleandmine
Töötamine kliendiga
Õpid planeerima andmeteaduse projektide arengut, samuti asjatundlikult rääkima klientidele uurimistulemustest.
• Projekti korraldamine
• Uurimisaruannete koostamine
Soovitussüsteemid
Selles ja järgmistes plokkides rakendate omandatud teadmisi masinõppe erinevates valdkondades. Selle ploki jooksul saate teada, kuidas luua isikupärastatud ja isikupärastamata soovitussüsteeme ning kuidas neid kombineerida.
• Soovitussüsteemide tutvustus ja klassifitseerimine
• Sisupõhised soovitused
•Koostööline filtreerimine
• Isikupärastamata soovitussüsteemid
• Hübriidalgoritmid
Arvutinägemine
Õpid põhilisi arvutinägemise tehnikaid: funktsioonide ekstraheerimine, pildiotsing, segmenteerimine, objektide tuvastamine ja ka närvivõrkude loomist.
• Otsi piltide järgi
• Pildi segmenteerimine, objektide tuvastamine
• Ülitäpsete närvivõrkude rakendamine segmenteerimis- ja tuvastamisülesannete jaoks
• Korduvate võrkude rakendamine pilditöötlusprobleemides
• Generatiivsed võistlevad võrgud (GAN-id)
Loomuliku keele töötlemine (NLP)
Sa valdad morfoloogilist ja süntaktilist analüüsi, levitamise semantikat ja teabeotsingut, õppige vektormudelis mõõtmelisust vähendama, klassifitseerima, eraldama teavet ja genereerima tekstid.
• Morfoloogiline ja süntaktiline analüüs
• Meetodid dimensioonilisuse vähendamiseks vektormudelis. Infootsing
• Teema modelleerimine (LSA, LDA, HDP)
• Distributiivne semantika (word2vec, GloVe, AdaGram)
• Loendatavad keelemudelid ja tõenäosuslikud keelemudelid. LSTM. Masintõlge
• Teksti genereerimine (loomuliku keele genereerimine)
• Klassifitseerimisprobleem AOT-s
Aegrida
Selles intensiivses õppetükis õpite tuvastama aegridade päritolu ja struktuuri, ennustama tulevasi väärtusi tõhusaks otsuste tegemiseks masinõppemudelite loomisel. Saate aru, mis on populaarsete meetodite ja raamatukogude "katte all".
• Algoritmid aegridade töötlemiseks
• ARIMA ja GARCH mudelid
• Markovi juhuslikud protsessid
Viimane häkaton
Lõpetame koolituse kursusekaaslastega võisteldes: minimeeskonna osana piiratud aja jooksul ja põhimängijate andmekogumite põhjal turul, peate lahendama müügi prognoosimise või tootmise optimeerimise probleemid, kasutades kõiki omandatud teadmisi ja oskusi muidugi. Masinõppelahenduste integreerimine ja kasutamine ettevõtluses hõlmab reeglina meeskonnamängu, seega on häkaton kasulik ka vajalike pehmete oskuste treenijana.
Lõpuprojekt
Osana oma lõputöö projektist koostate ML mudeli, mis lahendab teie praegused erialased probleemid: see võib olla süsteem müügiprognoos, objektide tuvastamine fotodel või videotes, aegridade analüüs, suurte tekstihulkade analüüs jne. d. Kui teil pole hetkel oma projekti jaoks ideid (või juurdepääsu vajalikele andmetele), pakume teile huvipakkuva valdkonna juhtumianalüüsi, mis põhineb teiste ettevõtete reaalsel andmekogumil. Lõputöö valmib iseseisvalt kursuseekspertide juhendamisel ning võimaldab kinnistada kogu programmis omandatud teadmiste ja oskuste ringi.