Makine öğrenme. İleri düzey - Otus'tan ücretsiz kurs, 5 aylık eğitim, Tarih: 4 Aralık 2023.
Miscellanea / / December 08, 2023
Lider Orta/Kıdemli pozisyonlarda kendinizi güvende hissetmenizi ve standart dışı görevlerle bile başa çıkmanızı sağlayacak gelişmiş makine öğrenimi tekniklerinde uzmanlaşacaksınız.
İş için kullanabileceğiniz araç yelpazenizi genişleteceksiniz. Üstelik Bayes yöntemleri ve takviyeli öğrenme gibi genellikle yalnızca teori şeklinde öğretilen konularda bile uygulamalarımızdan gerçek çalışma örneklerini seçtik.
Üretimde çalışmaya ayrı bir modül ayrılmıştır: ortamın kurulması, kodun optimize edilmesi, uçtan uca işlem hatları oluşturulması ve çözümlerin uygulanması.
Çok yönlü proje görevleri
Kurs sırasında, kapsanan konulardaki becerilerinizi pekiştirmek için çeşitli pratik ödevleri tamamlayacaksınız. Her ödev, belirli bir makine öğrenimi uygulamasını çözen uygulamalı bir veri analizi projesidir.
Bu kurs kimlere yöneliktir?
Makine öğrenimi uygulayan analistler, programcılar ve veri bilimcileri için. Kurs, yeteneklerinizi geliştirmenize ve kariyer yolunuzda ilerlemenize yardımcı olacaktır.
Kursu tamamladıktan sonra şunları yapabileceksiniz:
Ortamı kurun ve uygulamaya hazır üretim kodunu yazın
AutoML yaklaşımlarıyla çalışın ve bunların kullanımındaki sınırlamaları anlayın
Bayes yöntemlerini ve takviyeli öğrenmeyi ilgili problemlere uygulayabilme ve anlayabilme
Öneri sistemlerinde, zaman serilerinde ve grafiklerde ortaya çıkan standart dışı sorunları çözün
Elimde havyayla okula başladım. Sonra ZX Spectrum vardı. Mühendislik okumak için üniversiteye gittim. Mekanikte pek çok ilginç şey var, ancak 2008'de BT'ye olan ilgi ön plana çıktı: bilgisayar...
Elimde havyayla okula başladım. Sonra ZX Spectrum vardı. Mühendislik okumak için üniversiteye gittim. Mekanikte pek çok ilginç şey var, ancak 2008'de BT'ye olan ilgi ön plana çıktı: bilgisayar ağları -> Delphi -> PHP -> Python. Başka dillerle de denemeler oldu ama ben bu dilde yazmak istiyorum. Sinir ağlarını kullanarak iş süreçlerinin otomatikleştirilmesi (Maxim taksi sipariş hizmeti) ve tıpta bilgi sistemlerinin geliştirilmesine yönelik projelerde yer aldı. Python kullanarak CBS sistemleri ve görüntü işleme konularında çalıştım. Öğretimde durum şu şekildedir: "Birisi karmaşık bir şeyi basit kelimelerle açıklayamıyorsa, bu onun bu konuda henüz pek iyi olmadığı anlamına gelir." anlıyor.”Eğitim: Kurgan Üniversitesi, Bilgi Güvenliği ve Otomatik Sistemler Bölümü, Ph.D. 2002 yılında mezun oldu Kurgan Devlet Üniversitesi'nde "Çok amaçlı paletli ve tekerlekli araçlar" alanında diploma aldı. 2005 yılında tezini savundu. sürekli değişken şanzımanlar. O zamandan beri resmi olarak üniversitede (KSU) çalışmaktadır. Öğretmen
Riskten korunma fonu Meson Capital'de veri analisti olarak çalışıyor. Borsadaki davranışı tahmin eden çeşitli modellerin yapımında görev aldım. Ondan önce 9 yıldan fazla bir süreyi makine tabanlı iş sorunlarını çözmek için harcadım...
Riskten korunma fonu Meson Capital'de veri analisti olarak çalışıyor. Borsadaki davranışı tahmin eden çeşitli modellerin yapımında görev aldım. Bundan önce 9 yıldan fazla bir süreyi Alfa Bank gibi şirketlerde makine öğrenimine dayalı iş sorunlarını çözmek için harcadı. SberMegaMarket, HomeCredit, LPSU MIPT, bilgisayarlı görme, doğal dil işleme ve zaman modelleri oluşturma satırlar. MIPT'de konuk öğretim görevlisi olarak kendi "Pratik ML" dersini veriyor. Valentin, yüksek lisansını MIPT'de tamamladı. İlgi alanları arasında veri odaklı çözümler için altyapının uygulanması ve oluşturulması yer alıyor. Öğretmen
Öneri sistemlerinde deneyime sahip deneyimli geliştirici, bilim insanı ve Makine/Derin öğrenme uzmanı. Rusça ve yabancı dillerde 30'dan fazla bilimsel yayını bulunan, analiz ve analiz konusunda doktora tezini savunan...
Öneri sistemlerinde deneyime sahip deneyimli geliştirici, bilim insanı ve Makine/Derin öğrenme uzmanı. Rusça ve yabancı dillerde 30'dan fazla bilimsel yayını bulunmaktadır ve doktora tezini zaman serilerinin analizi ve tahmini üzerine savunmuştur. 2008 yılında Ulusal Araştırma Üniversitesi Moskova Enerji Mühendisliği Enstitüsü Bilgisayar Bilimleri Fakültesi'nden mezun oldu. 2010 yılında lisans, yüksek lisans ve 2014 yılında teknik bilimler adayı oldu. Tezi üzerinde çalışmaya başlamadan önce bile veri analiziyle ilgilenmeye başladım ve ilk önemli projemi hayata geçirirken sıradan bir programcıdan geliştirme departmanının başına geçtim. Yaklaşık 10 yıl boyunca Ulusal Araştırma Üniversitesi Moskova Enerji Mühendisliği Enstitüsü'nde bölümün doçenti olarak ilgili disiplinlerde ders verdi. NLP, RecSys, Zaman Serisi ve Bilgisayarlı Görme Öğretmeni alanında projeler geliştiren Veri Bilimi ekiplerine liderlik eder
Gelişmiş Makine Öğrenimi. Otomatik ML
-Konu 1.Sınıflandırma/regresyon problemi örneğini kullanarak projenin üretim kodu, Sanal ortamlar, bağımlılık yönetimi, pypi/gemfury
-Konu 2. Pratik ders - Kod optimizasyonu, paralelleştirme, çoklu işlem, pandaları hızlandırma, Pandalar için Modin
-Konu 3.Gelişmiş Veri Ön İşleme. Kategorik Kodlamalar
-Konu 4.Özellik Araçları - benim için özellikler üretecek misiniz?
-Konu 5.H2O ve TPOT - benim için modeller mi yapacaksınız?
Üretme
-Konu 6. Pratik ders - Uçtan uca boru hatlarının inşası ve modellerin serileştirilmesi
-Konu 7.REST mimarisi: Flask API
-Konu 8.Docker: Yapı, uygulama, dağıtım
-Konu 9.Kubernetes, konteyner orkestrasyonu
-Konu 10. Üretimde çalışmaya ilişkin pratik ders: Docker'ı AWS'ye dağıtma
Zaman serisi
-Konu 11. Özellik çıkarma. Fourier ve Wavelet dönüşümü, Otomatik Özellik üretimi - tsfresh
-Konu 12.Denetimsiz yaklaşımlar: Zaman serisi kümelemesi
-Konu 13.Denetimsiz yaklaşımlar: Zaman serisi bölümlendirmesi
Tavsiye sistemleri. Sıralama görevi
-Konu 14. Tavsiye sistemleri 1. Açık geri bildirim
-Konu 15. Tavsiye sistemleri 2. Örtülü geribildirim
-Konu 16. Sıralama görevi - Sıralamayı öğrenme
-Konu 17. Tavsiye sistemleri üzerine pratik ders. Sürpriz!
-Konu 18.Soru-Cevap
Grafikler
-Konu 19. Grafiklere giriş: temel kavramlar. NetworkX, Yıldız
-Konu 20. Grafik analizi ve yorumlanması. Topluluk Tespiti
-Konu 21.Bağlantı Tahmini ve Düğüm Sınıflandırması
-Konu 22. Pratik ders: Twitter'da nefret edenler
Bayesian Öğrenme, PyMC
-Konu 23.Olasılıksal modellemeye giriş, a posteriori tahminler, örnekleme
-Tema 24.Markov Zinciri Monte-Carlo (MCMC), Metropolis–Hastings
-Konu 25. Bayesian AB testi
-Konu 26.Genelleştirilmiş doğrusal model (GLM) - Bayes regresyonları, katsayıların sonsal tahminlerinin türetilmesi
-Konu 27. GLM ile ilgili pratik ders
-Konu 28. Bayes güven ağı: pratik alıştırma
-Konu 29. Logit regresyonu üzerine pratik ders
Takviyeli Öğrenme
-Konu 30.Pekiştirmeli Öğrenmeye Giriş
-Konu 31. AB testinin optimizasyonu için teoriden doğrudan savaşa kadar çok kollu haydutlar
-Konu 32. Pratik ders: E-ticarette çok kollu haydutlar: arama optimizasyonu
-Konu 33.Markov Karar Süreci, Değer fonksiyonu, Bellman denklemi
-Konu 34.Değer yinelemesi, Politika yinelemesi
-Konu 35. Pratik ders: tıbbi vaka Markov Zinciri Monte Carlo
-Konu 36.Zamansal Fark (TD) ve Q-öğrenme
-Konu 37.SARSA ve Pratik Ders: Finansal Durum TD ve Q-öğrenme
-Konu 38.Soru-Cevap
Proje çalışması
-Konu 39. Proje hakkında danışma, konu seçimi
-Konu 40.Bonus: Veri Bilimi İşlerini Bulma
-Konu 41. Tasarım çalışmasının korunması
Makine öğrenimine giriş niteliğinde pratik bir ders. Bir çözüm oluşturmanın tüm döngüsü dikkate alınır: başlangıç verilerinin (“.xlsx dosyası”) seçilmesinden başlayarak bir model oluşturmak ve son müşteriye verilerin özelliklerini ve alınan verilerin ayrıntılarını açıklamak sonuç. Teorik bölümler - sınıflandırma, regresyon, tahminler, topluluklar - analiz edilen örneklerin doğru yapılandırılması ve anlaşılması için gerekli olduğu ölçüde genel bakış modunda verilmiştir.
4
41 500 ₽