Gépi tanulás és mély tanulás – tanfolyam 68 040 dörzsölje. a SkillFactory-tól, képzés 20 hetes, Időpont: 2023. augusztus 13.

A „Machine Learning PRO” tanfolyam rövid programja

1. modul
Bevezetés a gépi tanulásba
Megismerkedünk a gépi tanulás főbb feladataival és módszereivel, gyakorlati eseteket tanulmányozunk és alkalmazzuk az ML projekten való munkavégzés alapvető algoritmusát
Több mint 50 feladatot oldunk meg a téma erősítésére

2. modul
Adat-előfeldolgozási módszerek
Tanulmányozzuk az adattípusokat, megtanuljuk az adatok tisztítását és gazdagítását, vizualizációt használunk az előfeldolgozáshoz és a jellemzők tervezését
60+ feladatot oldunk meg a téma erősítésére

3. modul
Regresszió
Elsajátítjuk a lineáris és logisztikus regressziót, tanulmányozzuk az alkalmazhatóság határait, az analitikus következtetéseket és a legalizálást. Regressziós modellek képzése
40+ feladatot oldunk meg a téma erősítésére

4. modul
Klaszterezés
Elsajátítjuk a tanár nélküli tanulást, gyakoroljuk különféle módszereit, ML segítségével dolgozunk szövegekkel
Több mint 50 feladatot oldunk meg a téma erősítésére

5. modul
Fa alapú algoritmusok: bevezetés a fákhoz

Ismerkedjünk meg a döntési fákkal és tulajdonságaikkal, ismerkedjünk meg a sklearn könyvtár mesterfáival és használjunk fákat egy regressziós feladat megoldására
40+ feladatot oldunk meg a téma erősítésére

6. modul
Fa alapú algoritmusok: együttesek
Tanulmányozzuk a faegyüttesek jellemzőit, gyakoroljuk az erősítést, az együttest logisztikus regresszió felépítésére használjuk
40+ feladatot oldunk meg a téma erősítésére
Részt veszünk egy kaggle versenyen egy fa alapú modell képzésére

7. modul
Algoritmusok minőségének felmérése
Tanulmányozzuk a mintafelosztás, alul- és túlillesztés elveit, különböző minőségi mérőszámok segítségével modelleket értékelünk, megtanuljuk a tanulási folyamat vizualizálását
Számos ML modell minőségének értékelése
40+ feladatot oldunk meg a téma erősítésére

8. modul
Idősorok a gépi tanulásban
Ismerkedjünk meg az ML idősorelemzésével, a lineáris modellek elsajátításával és az XGBoost-tal, tanulmányozzuk a keresztellenőrzés és a paraméterválasztás elveit.
Több mint 50 feladatot oldunk meg a téma erősítésére

9. modul
Ajánló rendszerek
Tanulmányozzuk az ajánlórendszerek felépítésének módszereit, elsajátítjuk az SVD algoritmust, értékeljük a betanított modell ajánlásainak minőségét
Több mint 50 feladatot oldunk meg a téma erősítésére

10. modul
Utolsó hackathon
Az összes vizsgált módszert alkalmazzuk, hogy maximális pontosságot kapjunk a modell-előrejelzések kaggle-n

"Mély tanulás" kurzusprogram

1. modul
Bevezetés a mesterséges neurális hálózatokba
Létrehozunk egy neurális hálózatot a kézzel írt számok felismerésére Pythonban

2. modul
Keretrendszerek a mély tanuláshoz (TensorFlow, Keras)
Képfelismerő modellt készítünk a FashionMNIST adatkészlet és a Keras keretrendszer alapján

3. modul
Konvolúciós neurális hálózatok
A CIFAR-10 adatkészletben lévő képeket konvolúciós neurális hálózat segítségével ismerjük fel

4. modul
Neurális hálózat optimalizálás
A hálózatok sebességének és teljesítményének javítása az előző modul esetében

5. modul
Tanulás átvitele és finomhangolás
Az ImageNET neurális hálózat további képzése a képosztályozás problémájának megoldására

6. modul
Képszegmentálás
Neurális hálózat tervezése emberek szegmentálásához a COCO adatkészletben

7. modul
Tárgyérzékelés
Egy neurális hálózatot tanítunk meg egy észlelési probléma megoldására egy márkalogókkal ellátott adatkészlet példáján

8. modul
Bevezetés az NLP-be és a Word-beágyazásokba
Neurális hálózat létrehozása a természetes nyelvvel való munkavégzéshez

9. modul
Ismétlődő neurális hálózatok
Chatbot létrehozása visszatérő neurális hálózat alapján

10. modul
Megerősítő tanulás
Ügynök létrehozása Pong játékhoz a DQN algoritmus alapján

11. modul
Mi a következő lépés?
Ismerkedjünk meg a neurális hálózatok egyéb alkalmazási területeivel. GAN neurális hálózat létrehozása képgeneráláshoz