Învățare automată. Avansat - curs gratuit de la Otus, training 5 luni, Data: 4 decembrie 2023.

Miscelaneu / by admin / December 08, 2023

click fraud protection

Veți stăpâni tehnici avansate de învățare automată care vă vor permite să vă simțiți încrezători în pozițiile de conducere de mediu/senior și să faceți față chiar și sarcinilor nestandard.

Vă veți extinde gama de instrumente disponibile pentru muncă. Mai mult, chiar și pentru subiecte precum metodele bayesiene și învățarea prin întărire, care de obicei sunt predate exclusiv sub formă de teorie, am selectat cazuri reale de lucru din practicile noastre.

Un modul separat este dedicat lucrului în producție: configurarea mediului, optimizarea codului, construirea de conducte end-to-end și implementarea soluțiilor.

Misiuni de proiect versatile
În timpul cursului, vei finaliza mai multe sarcini practice pentru a-ți consolida abilitățile pe subiectele abordate. Fiecare sarcină este un proiect practic de analiză a datelor care rezolvă o anumită aplicație de învățare automată.

Pentru cine este acest curs?
Pentru analiști, programatori și oameni de știință de date care practică învățarea automată. Cursul vă va ajuta să vă extindeți capacitățile și să mergeți mai departe pe parcursul carierei.

instagram viewer

După finalizarea cursului vei fi capabil să:
Configurați mediul și scrieți codul de producție gata de implementare
Lucrați cu abordări AutoML și înțelegeți limitele utilizării acestora
Să înțeleagă și să fie capabil să aplice metode bayesiene și învățare prin consolidare la problemele relevante
Rezolvați probleme non-standard care apar în sistemele de recomandare, serii temporale și grafice

Am început la școală cu un fier de lipit în mâini. Apoi a fost ZX Spectrum. Am fost la universitate pentru a mă specializa în inginerie. Există o mulțime de lucruri interesante în mecanică, dar în 2008 interesul pentru IT a preluat controlul: rețele de calculatoare -> Delphi -> PHP -> Python. Au fost experimente cu alte limbi, dar vreau să scriu în această limbă. A participat la proiecte de automatizare a proceselor de afaceri folosind rețele neuronale (serviciu de comandă taxi Maxim) și dezvoltarea sistemelor informaționale în medicină. Am lucrat cu sisteme GIS și procesarea imaginilor folosind Python. În predare, poziția este: „Dacă cineva nu poate explica ceva complex în cuvinte simple, înseamnă că nu este încă foarte bun la asta.” înțelege.” Educație: Universitatea Kurgan, Departamentul de Securitate a Informațiilor și Sistemelor Automatizate, Ph.D. Absolvent în 2002 Universitatea de Stat Kurgan, cu o diplomă în „Vehicule cu șenile și roți multifuncționale.” În 2005 și-a susținut disertația privind transmisii continuu variabile. De atunci, a fost angajat oficial la universitate (KSU). Profesor

Lucrează ca analist de date la fondul speculativ Meson Capital. Angajat în construirea diferitelor modele care prezic comportamentul pe bursă. Înainte de asta, am petrecut mai bine de 9 ani rezolvând probleme de afaceri bazate pe mașină...

Lucrează ca analist de date la fondul speculativ Meson Capital. Angajat în construirea diferitelor modele care prezic comportamentul pe bursă. Înainte de asta, a petrecut mai bine de 9 ani rezolvând probleme de afaceri bazate pe machine learning în companii precum Alfa Bank, SberMegaMarket, HomeCredit, LPSU MIPT, construirea de modele de viziune computerizată, procesare a limbajului natural și timp rânduri. Este lector invitat la MIPT, unde predă propriul curs „Practical ML.” Valentin și-a terminat masterul la MIPT. Interesele sale includ implementarea și construirea infrastructurii pentru soluții bazate pe date. Profesor

Dezvoltator cu experiență, om de știință și expert în învățare automată/deep learning cu experiență în sisteme de recomandare. Are peste 30 de publicații științifice în rusă și limbi străine și și-a susținut teza de doctorat pe analiza și prognozarea seriilor temporale. A absolvit Facultatea de Informatică a Universității Naționale de Cercetare din Moscova, Institutul de Inginerie Energetică, unde în 2008. a primit o diplomă de licență, o diplomă de master în 2010 și un candidat la științe tehnice în 2014. Chiar înainte de a începe lucrarea la disertația sa, am devenit interesat de analiza datelor și, la implementarea primului meu proiect semnificativ, am trecut de la un programator obișnuit la șef al departamentului de dezvoltare. Timp de aproximativ 10 ani a predat discipline conexe la Institutul de Inginerie Energetică a Universității Naționale de Cercetare din Moscova, fiind conferențiar al catedrei. Conduce echipe de Data Science care dezvoltă proiecte în domeniul NLP, RecSys, Time Series și Computer Vision Teacher

Învățare automată avansată. AutoML
-Tema 1.Codul de producție al proiectului folosind exemplul unei probleme de clasificare/regresie, Medii virtuale, management al dependențelor, pypi/gemfury
-Tema 2. Lecție practică - Optimizare cod, paralelizare, multiprocesare, accelerare panda, Modin for Pandas
-Tema 3.Preprocesare avansată a datelor. Codificări categoriale
-Subiect 4.Featuretools - veți veni cu funcții pentru mine?
-Subiect 5.H2O și TPOT - ai de gând să-mi construiești modele?

Productie
-Tema 6. Lecție practică - Construcția conductelor end-to-end și serializarea modelelor
-Tema 7.Arhitectura REST: API-ul Flask
-Tema 8.Docker: Structură, aplicație, implementare
-Tema 9.Kubernetes, orchestrare container
-Tema 10. Lecție practică despre lucrul în producție: implementarea Docker în AWS

Serii de timp
-Tema 11. Extragerea caracteristicilor. Transformare Fourier și Wavelet, generare automată de caracteristici - tsfresh
-Tema 12. Abordări nesupravegheate: Clustering în serie de timp
-Tema 13. Abordări nesupravegheate: Segmentarea seriilor temporale

Sisteme de recomandare. Sarcina de clasare
-Tema 14. Sisteme de recomandare 1. Feedback explicit
-Tema 15. Sisteme de recomandare 2. Feedback implicit
-Tema 16. Sarcina de clasare - Învățarea să ierarhăm
-Tema 17. Lecție practică despre sistemele de recomandare. Surprinde!
-Subiectul 18.Întrebări și răspunsuri

Grafice
-Tema 19. Introducere în grafice: concepte de bază. NetworkX, Stellar
-Tema 20. Analiza si interpretarea graficelor. Detectarea comunității
-Subiectul 21.Predicția legăturilor și Clasificarea nodurilor
-Tema 22. Lecție practică: Haters pe Twitter

Învățare Bayesiană, PyMC
-Tema 23.Introducere în modelarea probabilistică, estimări a posteriori, eșantionare
-Tema 24.Markov Chain Monte-Carlo (MCMC), Metropolis–Hastings
-Tema 25. Testarea Bayesian AB
-Tema 26.Model liniar generalizat (GLM) - Regresii bayesiene, derivarea estimărilor posterioare ale coeficienților
-Tema 27. Lecție practică despre GLM
-Tema 28. Rețeaua de încredere bayesiană: exercițiu practic
-Tema 29. Lecție practică despre regresia logit

Consolidarea învățării
-Tema 30.Introducere în Învățarea prin întărire
-Tema 31. Bandiți multi-armate pentru optimizarea testării AB, de la teorie - direct în luptă
-Tema 32. Lecție practică: Bandiții multi-armate în comerțul electronic: optimizarea căutării
-Tema 33.Procesul de decizie Markov, funcția de valoare, ecuația Bellman
- Subiectul 34. Iterația valorii, Iterația politicii
-Tema 35. Lecție practică: caz medical Markov Chain Monte Carlo
-Tema 36.Diferența temporală (TD) și Q-learning
-Tema 37.SARSA și Lecția practică: Cazul financiar TD și Q-learning
-Subiectul 38.Întrebări și răspunsuri

Lucrul la proiect
-Tema 39. Consultare pe proiect, alegerea temei
-Subiect 40.Bonus: Găsirea de locuri de muncă în domeniul științei datelor
-Tema 41.Protecția lucrărilor de proiectare

Învățare automată în practică

Un curs practic introductiv despre învățarea automată. Se ia în considerare ciclul complet al construirii unei soluții: de la selectarea datelor inițiale („fișier .xlsx”) până la construirea unui model și explicarea clientului final a caracteristicilor datelor și a specificului primit rezultat. Secţiunile teoretice - clasificare, regresie, predicţii, ansambluri - sunt date în modul de vedere de ansamblu, în măsura necesară construirii şi înţelegerii corecte a exemplelor analizate.

41 500 ₽

Mai multe detalii La site-ul cursului

24 de ore

Tag-uri nor

Miscelaneu

Evaluare

Vizualizări

Comentarii