[SkillFactory] Machine Learning и Deep Learning

[Moderator]

Курс даст понимание алгоритмов и знание необходимых библиотек при использовании Deep Learning.

Краткая программа курса «Machine Learning PRO»​

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

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

Регрессия​

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

Кластеризация​

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

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

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

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

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

Рекомендательные системы​

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

Финальный хакатон​

Применяем все изученные методы для получения максимальной точности предсказаний модели на kaggle

Программа курса «Deep Learning»​

Введение в искусственные нейронные сети​

Создаем нейронную сеть для распознавания рукописных цифр на языке Python

Фреймворки для глубокого обучения (TensorFlow, Keras)​

Создаем модель распознавания изображений на базе датасета FashionMNIST и фреймворка Keras

Сверточные нейронные сети​

Распознаем изображения в датасете CIFAR-10 с помощью сверточной нейронной сети

Оптимизация нейронной сети​

Улучшаем скорость и производительность сетей для кейса предыдущего модуля

Transfer learning & Fine-tuning​

Дообучение нейронной сети ImageNET для решения задачи классификации изображений

Сегментация изображений​

Проектируем нейронную сеть для сегментации людей в датасете COCO

Детектирование объектов​

Обучаем нейросеть решать задачу детекции на примере датасета с логотипами брендов

Введение в NLP и Word Embeddings​

Создаем нейросеть для работы с естественным языком

Рекуррентные нейронные сети​

Создаем чат-бота на базе рекуррентной нейросети

Reinforcement Learning (обучение с подкреплением)​

Создаем агента для игры в Pong на основе DQN алгоритма

What's next?​

Знакомимся с другими областями применения нейросетей. Создаем нейросеть GAN для генерации изображений