Strojno učenje. Napredni - brezplačen tečaj pri Otusu, usposabljanje 5 mesecev, Datum: 4. december 2023.

Miscellanea / by admin / December 08, 2023

click fraud protection

Obvladali boste napredne tehnike strojnega učenja, ki vam bodo omogočile, da se boste samozavestno počutili na vodilnih srednjih/višjih položajih in kos tudi nestandardnim nalogam.

Razširili boste svojo ponudbo orodij, ki so na voljo za delo. Še več, tudi za teme, kot so Bayesove metode in učenje s krepitvijo, ki se običajno poučujejo izključno v obliki teorije, smo izbrali resnične delujoče primere iz naših praks.

Ločen modul je namenjen delu v proizvodnji: nastavitev okolja, optimizacija kode, izgradnja cevovodov od konca do konca in implementacija rešitev.

Vsestranske projektne naloge
Med tečajem boste opravili več praktičnih nalog, s katerimi boste utrdili svoje znanje o obravnavanih temah. Vsaka naloga je praktični projekt podatkovne analize, ki rešuje določeno aplikacijo strojnega učenja.

Komu je ta tečaj namenjen?
Za analitike, programerje in podatkovne znanstvenike, ki se ukvarjajo s strojnim učenjem. Tečaj vam bo pomagal razširiti vaše sposobnosti in napredovati naprej po vaši karierni poti.

instagram viewer

Po končanem tečaju boste lahko:
Nastavite okolje in napišite produkcijsko kodo, pripravljeno za implementacijo
Delajte s pristopi AutoML in razumejte omejitve pri njihovi uporabi
Razumeti in biti sposoben uporabiti Bayesove metode in učenje s krepitvijo pri ustreznih problemih
Rešite nestandardne probleme, ki nastanejo v sistemih priporočil, časovnih serijah in grafih

V šoli sem začel s spajkalnikom v rokah. Potem je bil tu ZX Spectrum. Na univerzo sem študiral tehniko. V mehaniki je veliko zanimivega, leta 2008 pa je prevzelo zanimanje za IT: računalniška omrežja -> Delphi -> PHP -> Python. Bili so poskusi z drugimi jeziki, vendar želim pisati v tem jeziku. Sodeloval pri projektih avtomatizacije poslovnih procesov z uporabo nevronskih mrež (storitev za naročanje taksija Maxim) in razvoju informacijskih sistemov v medicini. Delal s sistemi GIS in obdelavo slik s pomočjo Pythona. Pri poučevanju velja: "Če nekdo ne zna razložiti nečesa zapletenega s preprostimi besedami, to pomeni, da v tem še ni zelo dober." razume.”Izobrazba: Univerza Kurgan, Oddelek za varnost informacij in avtomatiziranih sistemov, dr. Diplomiral leta 2002 Državna univerza Kurgan z diplomo "Večnamenska gosenična in kolesna vozila." Leta 2005 je zagovarjal disertacijo na temo brezstopenjski menjalniki. Od takrat je uradno zaposlen na univerzi (KSU). učiteljica

Deluje kot podatkovni analitik v hedge skladu Meson Capital. Ukvarja se z gradnjo različnih modelov, ki napovedujejo obnašanje na borzi. Pred tem sem več kot 9 let reševal poslovne probleme na osnovi stroja...

Deluje kot podatkovni analitik v hedge skladu Meson Capital. Ukvarja se z gradnjo različnih modelov, ki napovedujejo obnašanje na borzi. Pred tem je več kot 9 let reševal poslovne probleme na podlagi strojnega učenja v podjetjih, kot so Alfa Bank, SberMegaMarket, HomeCredit, LPSU MIPT, izgradnja modelov računalniškega vida, obdelave naravnega jezika in časa vrstice. Je gostujoči predavatelj na MIPT, kjer poučuje svoj predmet "Praktični ML." Valentin je na MIPT zaključil magistrski študij. Njegovi interesi vključujejo implementacijo in gradnjo infrastrukture za podatkovno vodene rešitve. učiteljica

Izkušen razvijalec, znanstvenik in strokovnjak za strojno/globoko učenje z izkušnjami v sistemih priporočil. Ima več kot 30 znanstvenih publikacij v ruskem in tujih jezikih, zagovarjal je doktorsko disertacijo o analizi in napovedovanju časovnih vrst. Diplomiral je na Fakulteti za računalništvo na Nacionalni raziskovalni univerzi Moskovski inštitut za elektrotehniko, kjer je leta 2008. diplomiral, leta 2010 magistriral in leta 2014 kandidat tehničnih znanosti. Že pred začetkom dela na njegovi diplomski nalogi me je začela zanimati analiza podatkov in pri izvedbi prvega pomembnejšega projekta sem od navadnega programerja postal vodja razvojnega oddelka. Približno 10 let je poučeval sorodne discipline na Moskovskem inštitutu za elektrotehniko Nacionalne raziskovalne univerze kot izredni profesor oddelka. Vodi skupine Data Science, ki razvijajo projekte na področju NLP, RecSys, Time Series in Computer Vision Teacher

Napredno strojno učenje. AutoML
-Tema 1.Produkcijska koda projekta na primeru problema klasifikacije/regresije, Virtualna okolja, upravljanje odvisnosti, pypi/gemfury
-Tema 2. Praktična lekcija - Optimizacija kode, paralelizacija, večprocesiranje, pospeševanje pand, Modin za Pande
-Tema 3. Napredna predhodna obdelava podatkov. Kategorična kodiranja
-Tema 4.Featuretools - ali mi boste izmislili funkcije?
-Tema 5.H2O in TPOT - mi boš sestavil modele?

Proizvodnja
-Tema 6. Praktična lekcija - Konstrukcija cevovodov od konca do konca in serializacija modelov
-Tema 7. Arhitektura REST: Flask API
-Tema 8.Docker: Struktura, aplikacija, namestitev
-Tema 9.Kubernetes, orkestracija vsebnika
-Tema 10. Praktična lekcija o delu v produkciji: uvajanje Dockerja v AWS

Časovne serije
-Tema 11. Ekstrakcija funkcij. Fourierjeva in Wavelet transformacija, Samodejno ustvarjanje značilnosti - tsfresh
-Tema 12. Nenadzorovani pristopi: Grozdenje časovnih vrst
-Tema 13. Nenadzorovani pristopi: Segmentacija časovnih vrst

Sistemi priporočil. Naloga za razvrščanje
-Tema 14. Priporočilni sistemi 1. Izrecna povratna informacija
-Tema 15. Priporočilni sistemi 2. Implicitna povratna informacija
-Tema 16. Naloga za rangiranje - Učenje rangiranja
-Tema 17. Praktična lekcija o sistemih priporočil. Presenečenje!
-Tema 18. Vprašanja in odgovori

Grafi
-Tema 19. Uvod v grafe: osnovni pojmi. NetworkX, Stellar
-Tema 20. Analiza in interpretacija grafov. Odkrivanje skupnosti
-Tema 21. Predvidevanje povezave in klasifikacija vozlišč
-Tema 22. Praktična lekcija: Sovražniki na Twitterju

Bayesovo učenje, PyMC
-Tema 23. Uvod v verjetnostno modeliranje, aposteriorne ocene, vzorčenje
-Tema 24. Markov Chain Monte-Carlo (MCMC), Metropolis–Hastings
-Tema 25. Bayesovo AB testiranje
-Tema 26. Generalizirani linearni model (GLM) - Bayesove regresije, izpeljava posteriornih ocen koeficientov
-Tema 27. Praktična lekcija o GLM
-Tema 28. Bayesovo omrežje zaupanja: praktična vaja
-Tema 29. Praktična lekcija o logit regresiji

Okrepitveno učenje
-Tema 30. Uvod v učenje s krepitvijo
-Tema 31. Večoroki banditi za optimizacijo AB testiranja, iz teorije - naravnost v boj
-Tema 32. Praktična lekcija: Večroki razbojniki v e-trgovini: optimizacija iskanja
-Tema 33.Markovov proces odločanja, funkcija vrednosti, Bellmanova enačba
-Tema 34. Ponovitev vrednosti, Ponovitev politike
-Tema 35. Praktična lekcija: medicinski primer Markov Chain Monte Carlo
-Tema 36. Časovna razlika (TD) in Q-učenje
-Tema 37.SARSA in praktična lekcija: finančni primer TD in Q-learning
-Tema 38. Vprašanja in odgovori

Projektno delo
-Tema 39. Posvetovanje o projektu, izbira teme
- Tema 40. Bonus: Iskanje delovnih mest v znanosti o podatkih
-Tema 41. Zaščita projektantskega dela

Strojno učenje v praksi

Uvodni praktični tečaj strojnega učenja. Upošteva se celoten cikel gradnje rešitve: od izbire začetnih podatkov (.xlsx datoteka”) do izdelava modela in končnemu kupcu pojasnitev lastnosti podatkov in posebnosti prejetih rezultat. Teoretični deli - klasifikacija, regresija, napovedi, ansambli - so podani v preglednem načinu, v obsegu, ki je potreben za pravilno konstrukcijo in razumevanje analiziranih primerov.

41 500 ₽

Več podrobnosti Na spletno stran tečaja

24 ur

Tags cloud

Miscellanea

Ocena

Ogledov

Komentarji