Машинско учење и дубоко учење - курс 68.040 руб. са СкиллФацтори, обука 20 недеља, датум: 13. август 2023.

Кратак програм курса „Машинско учење ПРО“

Модул 1
Увод у машинско учење
Упознајемо се са главним задацима и методама машинског учења, проучавамо практичне случајеве и примењујемо основни алгоритам за рад на МЛ пројекту
Решавамо 50+ задатака да бисмо појачали тему

Модул 2
Методе предобраде података
Проучавамо типове података, учимо да чистимо и обогаћујемо податке, користимо визуелизацију за претходну обраду и савладавамо инжењеринг карактеристика
Решавамо 60+ задатака да бисмо појачали тему

Модул 3
Регресија
Савладавамо линеарну и логистичку регресију, проучавамо границе применљивости, аналитичко закључивање и регуларизацију. Модели регресије обуке
Решавамо 40+ задатака да бисмо појачали тему

Модул 4
Груписање
Савладавамо учење без наставника, вежбамо његове различите методе, радимо са текстовима користећи МЛ
Решавамо 50+ задатака да бисмо појачали тему

Модул 5
Алгоритми засновани на дрвећу: увод у дрвеће
Хајде да се упознамо са стаблима одлучивања и њиховим својствима, савладамо стабла из библиотеке склеарн и користимо дрвеће за решавање проблема регресије
Решавамо 40+ задатака да бисмо појачали тему

Модул 6
Алгоритми засновани на дрвету: ансамбли
Проучавамо карактеристике ансамбала дрвећа, вежбамо појачавање, користимо ансамбл за изградњу логистичке регресије
Решавамо 40+ задатака да бисмо појачали тему
Учествујемо на такмичењу на кагглеу за обуку модела заснованог на дрвету

Модул 7
Процена квалитета алгоритама
Проучавамо принципе поделе узорака, под- и претераног прилагођавања, процењујемо моделе користећи различите метрике квалитета, учимо да визуелизујемо процес учења
Процена квалитета неколико модела МЛ
Решавамо 40+ задатака да бисмо појачали тему

Модул 8
Временске серије у машинском учењу
Хајде да се упознамо са анализом временских серија у МЛ, савладамо линеарне моделе и КСГБоост, проучимо принципе унакрсне валидације и одабира параметара
Решавамо 50+ задатака да бисмо појачали тему

Модул 9
Системи препорука
Проучавамо методе за конструисање система препорука, савладавамо СВД алгоритам, процењујемо квалитет препорука обученог модела
Решавамо 50+ задатака да бисмо појачали тему

Модул 10
Финални хакатон
Примењујемо све проучаване методе да бисмо добили максималну тачност предвиђања модела на кагглеу

Програм курса "Дубоко учење"

Модул 1
Увод у вештачке неуронске мреже
Креирамо неуронску мрежу за препознавање руком писаних бројева у Питхон-у

Модул 2
Оквири за дубоко учење (ТенсорФлов, Керас)
Креирамо модел за препознавање слика заснован на скупу података ФасхионМНИСТ и Керас оквиру

Модул 3
Конволуционе неуронске мреже
Препознајемо слике у скупу података ЦИФАР-10 користећи конволуциону неуронску мрежу

Модул 4
Оптимизација неуронске мреже
Побољшање брзине и перформанси мрежа за случај претходног модула

Модул 5
Пренесите учење и фино подешавање
Додатна обука ИмагеНЕТ неуронске мреже за решавање проблема класификације слика

Модул 6
Сегментација слике
Дизајнирање неуронске мреже за сегментирање људи у ЦОЦО скупу података

Модул 7
Детекција објеката
Обучавамо неуронску мрежу да реши проблем детекције користећи пример скупа података са логотипом бренда

Модул 8
Увод у НЛП и Ворд Ембеддингс
Креирање неуронске мреже за рад са природним језиком

Модул 9
Рекурентне неуронске мреже
Креирање цхат бота заснованог на рекурентној неуронској мрежи

Модул 10
Учење са појачањем
Креирање агента за играње Понга на основу ДКН алгоритма

Модул 11
Шта је следеће?
Хајде да се упознамо са другим областима примене неуронских мрежа. Креирање ГАН неуронске мреже за генерисање слика