Uygulamada makine öğrenimi - kurs 41.500 ruble. IBS Eğitim Merkezi'nden, 24 saat eğitim, Tarih 26 Kasım 2023.
Miscellanea / / December 02, 2023
Kurs, başlangıç verilerini içeren tabloları içeren çeşitli pratik vakalar etrafında oluşturulmuştur.
Her durumda, bir makine öğrenimi projesinin tüm yaşam döngüsünden geçiyoruz:
Verilerin araştırılması, temizlenmesi ve hazırlanması,
göreve uygun bir eğitim yönteminin seçilmesi (regresyon için doğrusal regresyon, sınıflandırma için rastgele orman, kümeleme için K-ortalamalar ve DBSCAN),
seçilen yöntemi kullanarak eğitim,
sonuç değerlendirmesi,
model optimizasyonu,
sonucun müşteriye sunulması.
Dersin tartışma kısmında öğrencilerin karşılaştıkları ve tartışılan yöntemler kullanılarak çözülebilecek pratik sorunları tartışıyoruz.
İşlenmiş konular:
1. Görevin gözden geçirilmesi (teori – 1 saat)
Makine öğrenimi hangi sorunları iyi bir şekilde çözüyor ve hangi sorunları çözmeye çalışıyorlar?
Bir Veri Bilimcisi yerine, bu alanda uzman olmayan birini (yalnızca bir geliştirici/analist/yönetici) süreç içinde öğrenecekleri beklentisiyle işe alırsanız ne olur?
2. Hazırlık, temizlik, veri araştırması (teori – 1 saat, uygulama – 1 saat)
Kaynak iş verilerinin nasıl anlaşılacağı (ve genel olarak içindeki herhangi bir sıranın nasıl algılanacağı).
İşlem sırası.
Alan analistlerine nelerin devredilebileceği ve devredilmesi gerektiği ve Veri Bilimcisi'nin kendisi tarafından en iyi nelerin yapılacağı.
Belirli bir sorunu çözmek için öncelikler.
3. Sınıflandırıcılar ve Regresörler (teori – 2 saat, pratik – 2 saat)
Pratik bölüm - hazırlanmış verilerle iyi biçimlendirilmiş görevler.
Görevler arasındaki farklar (ikili/ikili olmayan/olasılıksal sınıflandırma, regresyon), görevlerin sınıflar arasında yeniden dağıtılması.
Pratik problemlerin sınıflandırılmasına örnekler.
4. Kümelenme (teori – 1 saat, uygulama – 2 saat)
Kümeleme nerede ve nasıl yapılmalı: veri araştırması, problem ifadesinin kontrol edilmesi, sonuçların kontrol edilmesi.
Hangi durumlarda kümelenmeye indirgenebilir?
5. Model değerlendirmesi (teori – 1 saat, uygulama – 1 saat)
İş ölçümleri ve teknik ölçümler.
Sınıflandırma ve regresyon problemlerine yönelik metrikler, hata matrisi.
Kümeleme kalitesinin iç ve dış ölçümleri.
Çapraz doğrulama.
Yeniden eğitimin değerlendirilmesi.
6. Optimizasyon (teori – 5 saat, pratik – 3 saat)
Bir modeli diğerinden daha iyi yapan şey: parametreler, özellikler, topluluklar.
Ayarlar yönetimi.
Özellik seçimi uygulaması.
En iyi parametreleri, özellikleri ve yöntemleri bulmaya yönelik araçların gözden geçirilmesi.
7. Grafikler, raporlar, canlı görevlerle çalışma (teori – 2 saat, pratik – 2 saat)
Olan biteni net bir şekilde nasıl açıklayabilirsiniz: kendinize, ekibe, müşteriye.
Anlamsız sorulara daha güzel cevaplar.
Üç terabaytlık sonuç tek bir slaytta nasıl sunulur?
Proses kontrol noktalarına gerçekten ihtiyaç duyulan yarı otomatik testler.
Canlı görevlerden tam bir Ar-Ge sürecine (“uygulamadaki Ar-Ge”) kadar - izleyiciden gelen görevlerin analizi ve analizi.