Mašīnmācība: fundamentālie rīki un prakse - kurss 51 590 RUB. no Netology, apmācība 10 mēneši, datums 2023. gada 30. novembris.

Modeļu veidošana
Uzziniet, kas ir Sklearn bibliotēka un kā to izmantot. Apgūt klasterizācijas algoritmus un spēt veidot modeļu ansambļus. Iemācieties novērtēt modeļus un strādāt ar overfitting. Jūs uzzināsiet, kā izmantot GridSearch un RandomizedSearch, Model Specific CV, Out of Bag pieeju.
• Sklearn bibliotēka
• Klasifikācijas algoritmi: lineārās metodes, loģistiskā regresija un SVM
• Klasifikācijas algoritmi: lēmumu koki
• Regresijas algoritmi: lineāri un polinomi
• Klasterizācijas algoritmi
• Ansamblis
• Modeļu precizitātes novērtēšana, pārkvalifikācija, regulācija
• Modeļa kvalitātes uzlabošana
• Projekta organizēšana, pētījumu atskaišu sagatavošana
• Laboratorijas darbi
• Starpprojekta piegāde

Darbs ar klientu
Jūs iemācīsities plānot datu zinātnes projektu attīstību, kā arī kompetenti pastāstīt klientiem par pētījumu rezultātiem.
• Projekta organizācija
• Pētījumu atskaišu sagatavošana

Ieteikuma sistēmas
Šajā un turpmākajos blokos iegūtās zināšanas pielietosiet dažādās mašīnmācības jomās. Šajā blokā uzziniet, kā izveidot personalizētas un nepersonalizētas ieteikumu sistēmas un kā tās apvienot.
• Ieteikumu sistēmu ieviešana un klasifikācija
• Uz saturu balstīti ieteikumi
• Sadarbības filtrēšana
• Nepersonalizētas ieteikumu sistēmas
• Hibrīdie algoritmi

Datorredze
Jūs apgūsiet pamata datorredzes metodes: funkciju ieguvi, attēlu meklēšanu, segmentāciju, objektu noteikšanu, kā arī uzzināsiet, kā veidot neironu tīklus.
• Meklēt pēc attēliem
• Attēlu segmentācija, objektu noteikšana
• Īpaši precīzu neironu tīklu pielietojums segmentācijas un noteikšanas uzdevumiem
• Atkārtotu tīklu pielietojums attēlu apstrādes problēmās
• Ģeneratīvie pretrunīgie tīkli (GAN)

Dabiskās valodas apstrāde (NLP)
Jūs apgūsit morfoloģisko un sintaktisko analīzi, izplatīšanas semantiku un informācijas izguvi, iemācīties samazināt dimensiju vektoru modelī, klasificēt, iegūt informāciju un ģenerēt tekstiem.
• Morfoloģiskā un sintaktiskā analīze
• Metodes dimensiju samazināšanai vektoru modelī. Informācijas meklēšana
• Tēmu modelēšana (LSA, LDA, HDP)
• Izplatīšanas semantika (word2vec, GloVe, AdaGram)
• Saskaitāmi valodu modeļi un varbūtības valodu modeļi. LSTM. Mašīntulkošana
• Teksta ģenerēšana (dabiskās valodas ģenerēšana)
• Klasifikācijas problēma AOT

Laika rindas
Šajā intensīvajā nodarbībā jūs iemācīsities identificēt laikrindu izcelsmi un struktūru, prognozēt nākotnes vērtības efektīvai lēmumu pieņemšanai, veidojot mašīnmācīšanās modeļus. Jūs sapratīsit, kas slēpjas populāro metožu un bibliotēku “zem pārsega”.
• Algoritmi laikrindu apstrādei
• ARIMA un GARCH modeļi
• Markova izlases procesi

Fināls hakatons
Pabeigsim apmācību, sacenšoties ar kursa biedriem: kā daļa no mini komandas ierobežotu laiku un pamatojoties uz galveno spēlētāju datu kopām tirgū, jums būs jārisina pārdošanas prognozēšanas vai ražošanas optimizācijas problēmas, izmantojot visas iegūtās zināšanas un prasmes protams. Mašīnmācības risinājumu integrācija un izmantošana biznesā, kā likums, ietver komandas spēli, tāpēc hakatons noder arī kā nepieciešamo mīksto prasmju trenēšana.

Izlaiduma projekts
Diplomdarba projekta ietvaros jūs izveidosit ML modeli, lai atrisinātu pašreizējās profesionālās problēmas: tā varētu būt sistēma pārdošanas prognozēšana, objektu atpazīšana fotogrāfijās vai video, laikrindu analīze, liela teksta apjoma analīze utt. d. Ja šobrīd jums nav ideju savam projektam (vai piekļuves nepieciešamajiem datiem), mēs piedāvāsim gadījuma izpēti jūs interesējošā jomā, pamatojoties uz reālu citu uzņēmumu datu kopu. Diplomdarbs tiek veikts patstāvīgi kursa ekspertu vadībā un ļauj nostiprināt visu programmā apgūto zināšanu un prasmju klāstu.