Apprentissage automatique - cours 39 240 RUB. de SkillFactory, formation 12 semaines, Date 13 août 2023.

Introduction à l'apprentissage automatique
— Nous nous familiarisons avec les principales tâches et méthodes du Machine Learning, étudions des cas pratiques et appliquons l'algorithme de base pour travailler sur un projet ML

— Nous résolvons plus de 50 problèmes pour consolider le sujet

Méthodes de prétraitement des données
— Nous étudions les types de données, apprenons à nettoyer et enrichir les données, utilisons la visualisation pour le prétraitement et maîtrisons l'ingénierie des fonctionnalités
— Nous résolvons plus de 60 problèmes pour consolider le sujet

Régression
— Nous étudions les types de données, apprenons à nettoyer et enrichir les données, maîtrisons la régression linéaire et logistique, étudions les limites d'applicabilité, l'inférence analytique et la régularisation
— Modèles de régression de formation
— Nous résolvons plus de 40 problèmes pour consolider le sujet

Regroupement
— Nous maîtrisons l'apprentissage sans professeur, pratiquons ses différentes méthodes, travaillons avec des textes en utilisant le ML
— Nous résolvons plus de 50 problèmes pour consolider le sujet

Algorithmes basés sur les arbres: une introduction aux arbres
— Se familiariser avec les arbres de décision et leurs propriétés, maîtriser les arbres de la bibliothèque sklearn et utiliser les arbres pour résoudre un problème de régression
— Nous résolvons plus de 40 problèmes pour consolider le sujet

Algorithmes basés sur des arbres: ensembles
— Nous étudions les caractéristiques des ensembles d'arbres, pratiquons le boosting, utilisons l'ensemble pour construire une régression logistique
 — Nous résolvons plus de 40 problèmes pour consolider le sujet
 — Nous participons à un concours sur Kaggle pour former un modèle arborescent

Évaluer la qualité des algorithmes
— Nous étudions les principes de répartition des échantillons, de sous-entraînement et de surentraînement, évaluons les modèles à l'aide de diverses mesures de qualité, apprenons à visualiser le processus d'apprentissage
— Nous évaluons la qualité de plusieurs modèles ML
— Nous résolvons plus de 40 problèmes pour consolider le sujet

Séries chronologiques dans l'apprentissage automatique
— Se familiariser avec l'analyse de séries temporelles en ML, maîtriser les modèles linéaires et XGBoost, étudier les principes de validation croisée et de sélection de paramètres
— Nous résolvons plus de 50 problèmes pour consolider le sujet

Systèmes de recommandation
— Nous étudions les méthodes de construction de systèmes de recommandation, maîtrisons l'algorithme SVD, évaluons la qualité des recommandations du modèle formé
— Nous résolvons plus de 50 problèmes pour consolider le sujet

Hackathon final
— Nous appliquons toutes les méthodes étudiées pour obtenir une précision maximale des prédictions du modèle sur kaggle