Apprentissage automatique: outils et pratiques fondamentaux - cours 51 590 RUB. de Netology, formation 10 mois, Date 30 novembre 2023.
Miscellanea / / December 02, 2023
Utiliser des exemples pour étudier les algorithmes de base et découvrir dans quels cas les utiliser
Apprenez à comparer des algorithmes sur des ensembles de données prêts à l'emploi et à identifier des méthodes pour améliorer la qualité
Construction de maquettes
Découvrez ce qu'est la bibliothèque Sklearn et comment l'utiliser. Apprenez les algorithmes de clustering et soyez capable de créer des ensembles de modèles. Apprenez à évaluer des modèles et à travailler avec le surajustement. Vous apprendrez à utiliser GridSearch et RandomizedSearch, Model Specific CV, Out of Bag.
• Bibliothèque Sklearn
• Algorithmes de classification: méthodes linéaires, régression logistique et SVM
• Algorithmes de classification: arbres de décision
• Algorithmes de régression: linéaire et polynomiale
• Algorithmes de clustering
•Ensemble
• Évaluation de la précision du modèle, recyclage, régularisation
• Améliorer la qualité du modèle
• Organisation du projet, préparation des rapports de recherche
• Travaux de laboratoire
• Livraison du projet intermédiaire
Travailler avec le client
Vous apprendrez à planifier le développement de projets de science des données et à informer avec compétence les clients des résultats de la recherche.
• Organisation du projet
• Préparation de rapports de recherche
Systèmes de recommandation
Dans ce bloc et les suivants, vous appliquerez les connaissances acquises dans différents domaines de l’apprentissage automatique. Au cours de ce bloc, apprenez à créer des systèmes de recommandation personnalisés et non personnalisés, et à les combiner.
• Introduction et classification des systèmes de recommandation
• Recommandations basées sur le contenu
• Filtrage collaboratif
• Systèmes de recommandation non personnalisés
• Algorithmes hybrides
Vision par ordinateur
Vous maîtriserez les techniques de base de vision par ordinateur: extraction de caractéristiques, recherche d'images, segmentation, détection d'objets, et apprendrez également à construire des réseaux de neurones.
• Recherche par images
• Segmentation d'images, détection d'objets
• Application de réseaux de neurones ultra-précis pour les tâches de segmentation et de détection
• Application des réseaux récurrents aux problèmes de traitement d'images
• Réseaux contradictoires génératifs (GAN)
Traitement du langage naturel (NLP)
Vous maîtriserez l'analyse morphologique et syntaxique, la sémantique de la distribution et la recherche d'informations, apprendre à réduire la dimensionnalité dans un modèle vectoriel, classer, extraire des informations et générer des textes.
• Analyse morphologique et syntaxique
• Méthodes de réduction de dimensionnalité dans un modèle vectoriel. Recherche d'information
• Modélisation de sujets (LSA, LDA, HDP)
• Sémantique distributive (word2vec, GloVe, AdaGram)
• Modèles de langage dénombrables et modèles de langage probabilistes. LSTM. Traduction automatique
• Génération de texte (génération de langage naturel)
• Problème de classification dans AOT
Des séries chronologiques
Dans cette unité intensive, vous apprendrez à identifier l'origine et la structure d'une série chronologique, à prédire les valeurs futures pour une prise de décision efficace lors de la création de modèles d'apprentissage automatique. Vous comprendrez ce qui se cache « sous le capot » des méthodes et bibliothèques populaires.
• Algorithmes de traitement de séries temporelles
• Modèles ARIMA et GARCH
• Processus aléatoires de Markov
Hackathon final
Complétons la formation en rivalisant avec des camarades de cours: au sein d'une mini-équipe pour une durée limitée et en s'appuyant sur des datasets d'acteurs majeurs marché, vous devrez résoudre des problèmes de prévision des ventes ou d'optimisation de la production, en utilisant toutes les connaissances et compétences acquises dans cours. L'intégration et l'utilisation de solutions d'apprentissage automatique dans les entreprises impliquent généralement un jeu d'équipe. Un hackathon est donc également utile pour former les compétences générales nécessaires.
Projet de diplôme
Dans le cadre de votre projet de thèse, vous construirez un modèle ML pour résoudre vos problèmes professionnels actuels: cela pourrait être un système prévisions de ventes, reconnaissance d'objets dans des photos ou des vidéos, analyse de séries temporelles, analyse de grandes quantités de texte, etc. d. Si pour le moment vous n'avez pas d'idées pour votre projet (ou d'accès aux données nécessaires), nous vous proposerons une étude de cas dans un domaine qui vous intéresse basée sur un ensemble de données réelles d'autres entreprises. La thèse se réalise de manière autonome sous la direction d'experts du cours et permet de consolider l'ensemble des connaissances et compétences acquises au cours du programme.