Gépi tanulás – tanfolyam 39 240 RUB. a SkillFactory-ból, képzés 12 hetes, Dátum: 2023. augusztus 13.

Bevezetés a gépi tanulásba
— Megismerkedünk a Machine Learning fő feladataival és módszereivel, gyakorlati eseteket tanulmányozunk és alkalmazzuk az ML projekten való munkavégzés alapvető algoritmusát
— Több mint 50 feladatot oldunk meg a téma megszilárdítása érdekében

Adat-előfeldolgozási módszerek
— Tanulmányozzuk az adattípusokat, megtanuljuk az adatok tisztítását és gazdagítását, vizualizációt használunk az előfeldolgozáshoz és a jellemzők tervezését
— Több mint 60 feladatot oldunk meg a téma megszilárdítása érdekében

Regresszió
— Tanulmányozzuk az adattípusokat, megtanuljuk tisztítani és gazdagítani az adatokat, elsajátítjuk a lineáris és logisztikus regressziót, tanulmányozzuk az alkalmazhatóság határait, az analitikus következtetést és a regularizálást
— Regressziós modellek képzése
— Több mint 40 feladatot oldunk meg a téma megszilárdítása érdekében

Klaszterezés
— Elsajátítjuk a tanár nélküli tanulást, gyakoroljuk különféle módszereit, ML segítségével dolgozunk szövegekkel
— Több mint 50 feladatot oldunk meg a téma megszilárdítása érdekében

Fa alapú algoritmusok: bevezetés a fákhoz
— Ismerkedés a döntési fákkal és tulajdonságaikkal, fák elsajátítása a sklearn könyvtárból és a fák használata regressziós feladat megoldására
— Több mint 40 feladatot oldunk meg a téma megszilárdítása érdekében

Fa alapú algoritmusok: együttesek
— Tanulmányozzuk a faegyüttesek jellemzőit, gyakoroljuk az erősítést, az együttest logisztikus regresszió felépítésére használjuk.
 — Több mint 40 feladatot oldunk meg a téma megszilárdítása érdekében
 — Részt veszünk egy kaggle versenyen egy fa alapú modell képzésére

Algoritmusok minőségének felmérése
— Tanulmányozzuk a mintaosztás, az alul- és túlképzés elveit, értékeljük a modelleket különböző minőségi mérőszámok segítségével, megtanuljuk vizualizálni a tanulási folyamatot
— Számos ML modell minőségét értékeljük
— Több mint 40 feladatot oldunk meg a téma megszilárdítása érdekében

Idősorok a gépi tanulásban
— Ismerkedés az ML idősorelemzéssel, lineáris modellek és XGBoost elsajátítása, a keresztellenőrzés és a paraméterválasztás elveinek tanulmányozása
— Több mint 50 feladatot oldunk meg a téma megszilárdítása érdekében

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 megszilárdítása érdekében

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