Veri Bilimi için Matematik ve Makine Öğrenimi - kurs 50.040 RUB. SkillFactory'den, eğitim 5,5 ay, Tarih: 13 Ağustos 2023.

Matematik ders programı

Bölüm 1 - Doğrusal cebir

• Vektörleri ve matris türlerini inceliyoruz
• Matrisler üzerinde işlem yapmayı öğrenme
• Matrisleri kullanarak doğrusal bağımlılığı belirleme
• Ters, tekil ve tekil olmayan matrisleri inceliyoruz
• Doğrusal denklem sistemlerini, öz ve karmaşık sayıları inceliyoruz
instagram viewer
• Matris ve tekil ayrıştırma konusunda uzmanlaşma
• Matrisleri kullanarak doğrusal bağımlılık problemlerini çözme
• Temel bileşen yöntemini kullanarak optimizasyon
• Doğrusal regresyonun matematiksel temellerinin güçlendirilmesi

Bölüm 2 - Matematiksel analizin temelleri

• Bir ve birçok değişkenin ve türevin fonksiyonlarını inceliyoruz
• Degrade ve degrade iniş kavramına hakim olmak
• Optimizasyon problemleri eğitimi
• Lagrange çarpan yöntemini, Newton yöntemini ve tavlama benzetmesini inceliyoruz
• Kazanan bir stratejiyi tahmin etme ve arama problemlerini türevsel ve sayısal optimizasyon yöntemlerini kullanarak çözüyoruz
• Degrade iniş ve simüle edilmiş tavlamanın arkasındaki matematiği güçlendirmek

Bölüm 3 - Olasılık ve istatistiğin temelleri

• Tanımlayıcı ve matematiksel istatistiklerin genel kavramlarını inceliyoruz
• Kombinatorik konusunda uzmanlaşmak
• Ana dağılım ve korelasyon türlerini inceliyoruz
• Bayes Teoremini Anlamak
• Naive Bayes Sınıflandırıcısını Öğrenmek
• İstatistik ve olasılık teorisini kullanarak kombinatorik, geçerlilik ve tahmin problemlerini çözüyoruz
• Sınıflandırmanın ve lojistik regresyonun matematiksel temellerini pekiştiriyoruz

Bölüm 4 - Zaman serileri ve diğer matematiksel yöntemler

• Zaman Serisi Analizine Giriş
• Daha karmaşık regresyon türlerine hakim olmak
• Zaman serilerini kullanarak bütçeyi tahmin etme
• Klasik makine öğrenimi modellerinin matematiksel temellerinin güçlendirilmesi

Makine Öğrenimi üzerine kısa kurs programı

Eğitim sırasında öğretmen yardımı

Modül 1 - Makine Öğrenimine Giriş

Makine öğreniminin ana görevleri ve yöntemleri hakkında bilgi sahibi oluyoruz, pratik vakaları inceliyoruz ve bir makine öğrenimi projesi üzerinde çalışmak için temel algoritmayı uyguluyoruz
Konuyu pekiştirmek için 50'den fazla problem çözüyoruz

Modül 2 - Veri Ön İşleme Yöntemleri

Veri türlerini inceliyoruz, verileri temizlemeyi ve zenginleştirmeyi öğreniyoruz, ön işleme için görselleştirmeyi kullanıyoruz ve özellik mühendisliğinde ustalaşıyoruz
Konuyu pekiştirmek için 60'tan fazla problem çözüyoruz

Modül 3 - Regresyon

Doğrusal ve lojistik regresyonda uzmanlaşıyoruz, uygulanabilirliğin, analitik çıkarımların ve düzenlileştirmenin sınırlarını inceliyoruz. Regresyon modellerinin eğitimi
Konuyu pekiştirmek için 40'tan fazla problem çözüyoruz

Modül 4 - Kümeleme

Öğretmen olmadan öğrenmede ustalaşıyoruz, çeşitli yöntemlerini uyguluyoruz, makine öğrenimi kullanarak metinlerle çalışıyoruz
Konuyu pekiştirmek için 50'den fazla problem çözüyoruz

Modül 5 - Ağaç tabanlı algoritmalar: ağaçlara giriş

Karar ağaçlarını ve özelliklerini tanıyalım, sklearn kütüphanesindeki ağaçlarda ustalaşalım ve bir regresyon problemini çözmek için ağaçları kullanalım
Konuyu pekiştirmek için 40'tan fazla problem çözüyoruz

Modül 6 - Ağaç tabanlı algoritmalar: topluluklar

Ağaç topluluklarının özelliklerini inceliyoruz, güçlendirme alıştırmaları yapıyoruz, topluluğu lojistik regresyon oluşturmak için kullanıyoruz
Konuyu pekiştirmek için 40'tan fazla problem çözüyoruz
Ağaç tabanlı bir modelin eğitimi için kaggle yarışmasına katılıyoruz

Modül 7 - Algoritmaların Kalitesinin Değerlendirilmesi

Örnek bölme, yetersiz ve fazla uyum ilkelerini inceliyoruz, çeşitli kalite ölçümlerini kullanarak modelleri değerlendiriyoruz, öğrenme sürecini görselleştirmeyi öğreniyoruz
Çeşitli ML modellerinin kalitesini değerlendirme
Konuyu pekiştirmek için 40'tan fazla problem çözüyoruz

Modül 8 - Makine Öğreniminde Zaman Serileri

ML'de zaman serisi analizi, ana doğrusal modeller ve XGBoost ile tanışalım, çapraz doğrulama ve parametre seçimi ilkelerini inceleyelim
Konuyu pekiştirmek için 50'den fazla problem çözüyoruz

Modül 9 - Öneri Sistemleri

Öneri sistemleri oluşturma yöntemlerini inceliyoruz, SVD algoritmasında uzmanlaşıyoruz, eğitilen modelin önerilerinin kalitesini değerlendiriyoruz
Konuyu pekiştirmek için 50'den fazla problem çözüyoruz

Modül 10 - Son Hackathon

Kaggle'da model tahminlerinin maksimum doğruluğunu elde etmek için çalışılan tüm yöntemleri uyguluyoruz