Длительность
10 месяцев
Карьера
Поможем найти стажировку или работу
Документ
Диплом о профессиональной переподготовке
Машинное обучение
Получите прикладной опыт создания моделей машинного обучения
Сможете обучать нейронные сети
Заложите фундамент для перехода на middle-уровень в сфере Data Science
Кому подойдёт этот курс
Разработчикам
Освоите базу для перехода в другую область программирования. У вас появятся новые интересные задачи и возможность увеличить доход
Начинающим ML-специалистам
Научитесь обрабатывать данные, строить различные модели машинного обучения и нейронных сетей. Знания помогут найти работу по душе
Аналитикам
Получите знания ведущих экспертов отрасли, в короткие сроки углубитесь в специализацию и выйдете на следующий уровень в профессии
Чему вы научитесь
Подбирать алгоритмы
и метрики под задачу для разных моделей
Формулировать задачу
для data science проекта
Оценивать качество моделей
машинного обучения
Строить модели
машинного обучения с помощью библиотеки Sklearn
Интерпретировать результаты
и составлять отчет об исследовании
Содержание курса
Научитесь строить основные модели машинного обучения. Узнаете, как работать с деревьями решений, с логистической, линейной регрессией, строить ансамбли моделей. Узнаете, как работать с «грязными» данными и оценивать качество моделей.
Регрессионный анализ. Линейная, полиномиальная и логарифмическая регрессия
Классификация. Логистическая регрессия и SVM
Функции потерь и оптимизация
Оценка точности модели, переобучение, регуляризация
Проблема качества данных
Работа с пропусками
Работа с переменными
Деревья решений
Ансамблирование
Поиск выбросов и генерация новых признаков
Feature Selection
Метрики близости. Работа с текстовыми данными. Наивный Байес
Алгоритмы кластеризации
Улучшение качества модели
Научитесь строить простые полносвязные сети уровня LeNet и AlexNet и экспериментировать с их обучением. Получите теоретическую и практическую базу для использования нейронных сетей в блоках CV и NLP.
Введение в нейронные сети и библиотеку Keras
Углубление в нейронные сети и библиотеку Keras
Введение в свёрточные нейронные сети
Введение в рекуррентные нейронные сети
Дополнительные темы нейронных сетей
Вы будете применять полученные знания в разных областях машинного обучения. Во время этого блока научитесь строить персонализированные и неперсонализированные рекомендательные системы, а также комбинировать их.
Введение и классификация рекомендательных систем
Рекомендации на основе содержания
Коллаборативная фильтрация
Рекомендации на основе скрытых факторов
Гибридные алгоритмы
Изучите элементарные алгоритмы обработки временных рядов, модели ARIMA, GARCH и прогнозирование значений на их основе. Узнаете, что такое марковские случайные процессы и марковские модели для временных рядов. Научитесь выявлять происхождение и структуру временного ряда, прогнозировать будущие значения для эффективного принятия решений при построении моделей машинного обучения. Поймёте, что скрыто «под капотом» популярных методик и библиотек.
Вы освоите основные техники машинного зрения: извлечение признаков, поиск по картинкам, сегментирование, детекция объектов. Научитесь строить нейросети.
Введение в компьютерное зрение
Выделение признаков и поиск похожих изображений
Сегментация и детекция объектов
Свёрточные нейронные сети
Обучение свёрточной сети на практике
Задачи детекции и сегментации
Рекуррентные нейронные сети в задачах компьютерного зрения (Image Captioning)
Порождающие модели
Другие задачи компьютерного зрения
Будьте первым кто оставит отзыв.
Оставить отзыв можно только с предоставлением сертификата о прохождении курса.
Похожие курсы
