Machine Learning и Deep Learning от SkillFactory

Краткая программа курса «Machine Learning PRO».

Модуль 1. Введение в машинное обучение. Знакомимся с основными задачами и методами machine learning , изучаем практические кейсы и применяем базовый алгоритм работы над ml-проектом. Решаем 50+ задач на закрепление темы.

Модуль 2. Методы предобработки данных. Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering. Решаем 60+ задач на закрепление темы.

Модуль 3. Регрессия. Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии. Решаем 40+ задач на закрепление темы.

Модуль 4. Кластеризация. Осваиваем обучение без учителя, практикуемся в его различных методах, работаем с текстами средствами ML. Решаем 50+ задач на закрепление темы.

Модуль 5. Tree-based алгоритмы: введение в деревья. Знакомимся с решающими деревьями и их свойствами, осваиваем деревья из библиотеки sklearn и используем деревья для решения задачи регрессии. Решаем 40+ задач на закрепление темы.

Модуль 6. Tree-based алгоритмы: ансамбли. Изучаем особенности ансамблей деревьев, практикуемся в бустинге, используем ансамбль для построения логистической регрессии. Решаем 40+ задач на закрепление темы. Участвуем в соревновании на kaggle по обучению tree-based модели.

Модуль 7. Оценка качества алгоритмов. Изучаем принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения. Оцениваем качество нескольких моделей ML. Решаем 40+ задач на закрепление темы.

Модуль 8. Временные ряды в машинном обучении. Знакомимся с анализом временных рядов в ML, осваиваем линейные модели и XGBoost, изучаем принципы кросс-валидации и подбора параметров. Решаем 50+ задач на закрепление темы.

Модуль 9. Рекомендательные системы. Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели. Решаем 50+ задач на закрепление темы

Модуль 10. Финальный хакатон. Применяем все изученные методы для получения максимальной точности предсказаний модели на kaggle.

Программа курса «Deep Learning»

Модуль 1. Введение в искусственные нейронные сети. Создаем нейронную сеть для распознавания рукописных цифр на языке Python.

Модуль 2. Фреймворки для глубокого обучения (TensorFlow, Keras). Создаем модель распознавания изображений на базе датасета FashionMNIST и фреймворка Keras.

Модуль 3. Сверточные нейронные сети. Распознаем изображения в датасете CIFAR-10 с помощью сверточной нейронной сети.

Модуль 4. Оптимизация нейронной сети. Улучшаем скорость и производительность сетей для кейса предыдущего модуля.

Модуль 5. Transfer learning & Fine-tuning. Дообучение нейронной сети ImageNET для решения задачи классификации изображений.

Модуль 6. Сегментация изображений. Проектируем нейронную сеть для сегментации людей в датасете COCO.

Модуль 7. Детектирование объектов. Обучаем нейросеть решать задачу детекции на примере датасета с логотипами брендов.

Модуль 8. Введение в NLP и Word Embeddings. Создаем нейросеть для работы с естественным языком.

Модуль 9. Рекуррентные нейронные сети. Создаем чат-бота на базе рекуррентной нейросети.

Модуль 10. Reinforcement Learning (обучение с подкреплением). Создаем агента для игры в Pong на основе DQN алгоритма.

Модуль 11. What's next? Знакомимся с другими областями применения нейросетей. Создаем нейросеть GAN для генерации изображений.