Matematică și învățare automată pentru știința datelor - curs 50.040 RUB. de la SkillFactory, antrenament 5,5 luni, Data: 13 august 2023.
Miscelaneu / / November 29, 2023
Veți putea studia din orice parte a lumii. Noile module vor fi deschise o dată pe săptămână. Conținutul special conceput și materialele suplimentare vă vor ajuta să înțelegeți subiectul.
Practica constă din trei părți: efectuarea unor exerciții simple de calcul; efectuarea de exerciții bazate pe Python; rezolvarea problemelor de viață în domeniul analizei, previziunii și optimizării datelor.
Vei comunica în mod constant cu colegii tăi pe canalele private Slack. Dacă nu înțelegeți ceva sau nu puteți face față unei sarcini, vă vom ajuta să vă dați seama.
La sfârșitul cursului, ți se va oferi o sarcină specială în care vei putea aplica toate abilitățile pe care le-ai dobândit și vei confirma învățarea cu succes a materialului.
Programul cursurilor de matematică
Partea 1 - Algebră liniară
- Studiem vectorii și tipurile de matrice
- Învățarea efectuării operațiilor pe matrice
- Determinarea dependenței liniare folosind matrici
- Studiem matrici inverse, singulare și nesingulare
- Studiem sisteme de ecuații liniare, numere proprii și complexe
- Stăpânirea matricei și descompunerea singulară
- Rezolvarea problemelor de dependență liniară folosind matrici
- Optimizarea folosind metoda componentelor principale
- Consolidarea fundamentelor matematice ale regresiei liniare
Partea 2 - Bazele analizei matematice
- Studiem funcțiile uneia și mai multor variabile și derivate
- Stăpânirea conceptului de gradient și coborâre în gradient
- Instruire in probleme de optimizare
- Studiem metoda multiplicatorului Lagrange, metoda lui Newton și recoacere simulată
- Rezolvăm probleme de predicție și căutare a unei strategii câștigătoare folosind metode derivate și de optimizare numerică
- Consolidarea matematicii din spatele coborârii gradientului și recoacerii simulate
Partea 3 - Fundamentele probabilității și statisticii
- Studiem conceptele generale de statistică descriptivă și matematică
- Stăpânirea combinatoriei
- Studiem principalele tipuri de distribuții și corelații
- Înțelegerea teoremei lui Bayes
- Învățarea unui clasificator Bayes naiv
- Rezolvăm probleme de combinatorică, validitate și prognoză folosind statistici și teoria probabilităților
- Consolidăm bazele matematice ale clasificării și regresiei logistice
Partea 4 - Serii de timp și alte metode matematice
- Prezentarea analizei serii temporale
- Stăpânirea unor tipuri mai complexe de regresii
- Prognoza bugetului folosind serii de timp
- Consolidarea bazelor matematice ale modelelor clasice de învățare automată
Program de curs scurt despre Machine Learning
Asistență tutore în timpul antrenamentului
Modulul 1 - Introducere în Machine Learning
Ne familiarizăm cu principalele sarcini și metode de învățare automată, studiem cazuri practice și aplicăm algoritmul de bază pentru lucrul la un proiect ML
Rezolvăm peste 50 de probleme pentru a consolida subiectul
Modulul 2 - Metode de preprocesare a datelor
Studiem tipurile de date, învățăm să curățăm și să îmbogățim datele, folosim vizualizarea pentru preprocesare și stăpânim ingineria caracteristicilor
Rezolvăm peste 60 de probleme pentru a consolida subiectul
Modulul 3 - Regresie
Stăpânim regresia liniară și logistică, studiem limitele de aplicabilitate, inferența analitică și regularizarea. Antrenamentul modelelor de regresie
Rezolvăm peste 40 de probleme pentru a consolida subiectul
Modulul 4 - Clustering
Stăpânim învățarea fără profesor, exersăm diversele sale metode, lucrăm cu texte folosind ML
Rezolvăm peste 50 de probleme pentru a consolida subiectul
Modulul 5 - Algoritmi bazați pe arbori: introducere în arbori
Să facem cunoștință cu arborii de decizie și proprietățile lor, arborii master din biblioteca sklearn și să folosim arbori pentru a rezolva o problemă de regresie
Rezolvăm peste 40 de probleme pentru a consolida subiectul
Modulul 6 - Algoritmi bazati pe arbore: ansambluri
Studiem caracteristicile ansamblurilor de arbori, exersăm stimularea, folosim ansamblul pentru a construi regresia logistică
Rezolvăm peste 40 de probleme pentru a consolida subiectul
Participam la o competitie de kaggle pentru antrenarea unui model bazat pe arbore
Modulul 7 - Evaluarea calității algoritmilor
Studiem principiile împărțirii eșantioanelor, subajustării și supraajustării, evaluăm modele folosind diverse metrici de calitate, învățăm să vizualizăm procesul de învățare
Evaluarea calității mai multor modele ML
Rezolvăm peste 40 de probleme pentru a consolida subiectul
Modulul 8 - Serii temporale în învățarea automată
Să ne familiarizăm cu analiza seriilor temporale în ML, modele liniare master și XGBoost, studiem principiile validării încrucișate și ale selecției parametrilor
Rezolvăm peste 50 de probleme pentru a consolida subiectul
Modulul 9 - Sisteme de recomandare
Studiem metode de construire a sistemelor de recomandare, stăpânim algoritmul SVD, evaluăm calitatea recomandărilor modelului antrenat
Rezolvăm peste 50 de probleme pentru a consolida subiectul
Modulul 10 - Hackathon final
Aplicam toate metodele studiate pentru a obtine acuratetea maxima a predictiilor modelului pe Kaggle