Mašininis mokymasis ir gilus mokymasis - kursas 68 040 rub. iš SkillFactory, treniruotės 20 savaičių, Data: 2023 m. rugpjūčio 13 d.

Trumpa kurso „Machine Learning PRO“ programa

1 modulis
Įvadas į mašininį mokymąsi
Susipažįstame su pagrindinėmis mašininio mokymosi užduotimis ir metodais, nagrinėjame praktinius atvejus ir taikome pagrindinį algoritmą dirbant su ML projektu
Mes išsprendžiame daugiau nei 50 problemų, kad sustiprintume temą

2 modulis
Išankstinio duomenų apdorojimo metodai
Mes tiriame duomenų tipus, mokomės išvalyti ir praturtinti duomenis, naudojame vizualizaciją išankstiniam apdorojimui ir valdome funkcijų inžineriją
Mes išsprendžiame daugiau nei 60 problemų, kad sustiprintume temą

3 modulis
Regresija
Įvaldome tiesinę ir logistinę regresiją, studijuojame pritaikomumo ribas, analitinę išvadą ir reguliavimą. Treniruočių regresijos modeliai
Mes išsprendžiame daugiau nei 40 problemų, kad sustiprintume temą

4 modulis
Klasterizavimas
Įvaldome mokymąsi be mokytojo, praktikuojame įvairius jo metodus, dirbame su tekstais naudodami ML
Mes išsprendžiame daugiau nei 50 problemų, kad sustiprintume temą

5 modulis
Medžiu pagrįsti algoritmai: įvadas į medžius

Susipažinkime su sprendimų medžiais ir jų savybėmis, įsisavinkime medžius iš sklearn bibliotekos ir naudokime medžius regresijos uždaviniui spręsti
Mes išsprendžiame daugiau nei 40 problemų, kad sustiprintume temą

6 modulis
Medžiu pagrįsti algoritmai: ansambliai
Mes tiriame medžių ansamblių ypatybes, praktikuojame stiprinimą, naudojame ansamblį logistinei regresijai kurti
Mes išsprendžiame daugiau nei 40 problemų, kad sustiprintume temą
Dalyvaujame kaggle konkurse, skirtame modeliui iš medžio ruošti

7 modulis
Algoritmų kokybės vertinimas
Studijuojame imčių skaidymo, per mažo ir permontavimo principus, vertiname modelius naudodami įvairias kokybės metrikas, mokomės vizualizuoti mokymosi procesą
Kelių ML modelių kokybės įvertinimas
Mes išsprendžiame daugiau nei 40 problemų, kad sustiprintume temą

8 modulis
Mašininio mokymosi laiko eilutės
Susipažinkime su laiko eilučių analize ML, įsisavinkime tiesinius modelius ir XGBoost, išstudijuokime kryžminio patvirtinimo ir parametrų pasirinkimo principus
Mes išsprendžiame daugiau nei 50 problemų, kad sustiprintume temą

9 modulis
Rekomendacinės sistemos
Studijuojame rekomendacinių sistemų konstravimo metodus, įsisaviname SVD algoritmą, įvertiname apmokyto modelio rekomendacijų kokybę
Mes išsprendžiame daugiau nei 50 problemų, kad sustiprintume temą

10 modulis
Finalinis hakatonas
Taikome visus ištirtus metodus, kad gautume maksimalų modelio prognozių kaggle tikslumą

Kursų programa „Gilus mokymasis“

1 modulis
Įvadas į dirbtinius neuroninius tinklus
Mes kuriame neuroninį tinklą, skirtą atpažinti ranka rašytus skaičius Python

2 modulis
Giluminio mokymosi sistemos („TensorFlow“, „Keras“)
Kuriame vaizdo atpažinimo modelį, pagrįstą FashionMNIST duomenų rinkiniu ir Keras sistema

3 modulis
Konvoliuciniai neuroniniai tinklai
CIFAR-10 duomenų rinkinio vaizdus atpažįstame naudodami konvoliucinį neuroninį tinklą

4 modulis
Neuroninio tinklo optimizavimas
Tinklų greičio ir našumo gerinimas ankstesnio modulio atveju

5 modulis
Mokymosi perkėlimas ir koregavimas
Papildomas ImageNET neuroninio tinklo mokymas vaizdų klasifikavimo problemai spręsti

6 modulis
Vaizdo segmentavimas
Kuriame neuroninį tinklą, skirtą žmonėms segmentuoti COCO duomenų rinkinyje

7 modulis
Objekto aptikimas
Mes mokome neuroninį tinklą išspręsti aptikimo problemą, naudodami duomenų rinkinio su prekės ženklo logotipais pavyzdį

8 modulis
Įvadas į NLP ir Word įterpimą
Neuroninio tinklo kūrimas darbui su natūralia kalba

9 modulis
Pasikartojantys neuroniniai tinklai
Pokalbių roboto kūrimas, pagrįstas pasikartojančiu neuroniniu tinklu

10 modulis
Sustiprinimo mokymasis
Pong žaidimo agento kūrimas pagal DQN algoritmą

11 modulis
Kas toliau?
Susipažinkime su kitomis neuroninių tinklų taikymo sritimis. GAN neuroninio tinklo kūrimas vaizdų generavimui