Matematika dan Pembelajaran Mesin untuk Ilmu Data - kursus RUB 50.040. dari SkillFactory, pelatihan 5,5 bulan, Tanggal: 13 Agustus 2023.
Miscellanea / / November 29, 2023
Anda akan dapat belajar dari mana saja di dunia. Modul baru akan dibuka seminggu sekali. Konten yang dirancang khusus dan materi tambahan akan membantu Anda memahami topik tersebut.
Latihan terdiri dari tiga bagian: melakukan latihan perhitungan sederhana; melakukan latihan berbasis Python; memecahkan masalah kehidupan di bidang analisis data, peramalan dan optimasi.
Anda akan terus berkomunikasi dengan sesama siswa di saluran Slack pribadi. Jika Anda tidak memahami sesuatu atau tidak dapat mengatasi suatu tugas, kami akan membantu Anda mengetahuinya.
Di akhir kursus, Anda akan diberikan tugas khusus di mana Anda akan dapat menerapkan semua keterampilan yang telah Anda peroleh dan memastikan keberhasilan Anda dalam mempelajari materi tersebut.
Program kursus matematika
Bagian 1 - Aljabar linier
- Kami mempelajari vektor dan jenis matriks
- Belajar melakukan operasi pada matriks
- Menentukan ketergantungan linier menggunakan matriks
- Kami mempelajari matriks invers, singular, dan non-singular
- Kami mempelajari sistem persamaan linear, eigen dan bilangan kompleks
- Menguasai dekomposisi matriks dan singular
- Menyelesaikan masalah ketergantungan linier menggunakan matriks
- Optimasi menggunakan metode komponen utama
- Memperkuat landasan matematika regresi linier
Bagian 2 - Dasar-dasar analisis matematika
- Kami mempelajari fungsi dari satu dan banyak variabel dan turunannya
- Menguasai konsep gradien dan penurunan gradien
- Pelatihan masalah optimasi
- Kami mempelajari metode pengali Lagrange, metode Newton dan simulasi anil
- Kami memecahkan masalah dalam memprediksi dan mencari strategi kemenangan menggunakan metode optimasi derivatif dan numerik
- Memperkuat matematika di balik penurunan gradien dan simulasi anil
Bagian 3 - Dasar-dasar probabilitas dan statistik
- Kami mempelajari konsep umum statistik deskriptif dan matematika
- Menguasai kombinatorik
- Kami mempelajari jenis utama distribusi dan korelasi
- Memahami Teorema Bayes
- Mempelajari Pengklasifikasi Naive Bayes
- Kami memecahkan masalah kombinatorik, validitas dan peramalan menggunakan statistik dan teori probabilitas
- Kami mengkonsolidasikan dasar matematika klasifikasi dan regresi logistik
Bagian 4 - Deret waktu dan metode matematika lainnya
- Memperkenalkan Analisis Rangkaian Waktu
- Menguasai jenis regresi yang lebih kompleks
- Peramalan anggaran menggunakan deret waktu
- Memperkuat dasar matematika model pembelajaran mesin klasik
Program kursus singkat tentang Machine Learning
Bantuan tutor selama pelatihan
Modul 1 - Pengantar Pembelajaran Mesin
Kami mengenal tugas utama dan metode pembelajaran mesin, mempelajari kasus-kasus praktis dan menerapkan algoritma dasar untuk mengerjakan proyek ML
Kami memecahkan 50+ masalah untuk memperkuat topik
Modul 2 - Metode Pemrosesan Awal Data
Kami mempelajari tipe data, belajar membersihkan dan memperkaya data, menggunakan visualisasi untuk pra-pemrosesan, dan menguasai rekayasa fitur
Kami memecahkan 60+ masalah untuk memperkuat topik
Modul 3 - Regresi
Kami menguasai regresi linier dan logistik, mempelajari batas penerapan, inferensi analitis, dan regularisasi. Model regresi pelatihan
Kami memecahkan 40+ masalah untuk memperkuat topik
Modul 4 - Pengelompokan
Kami menguasai pembelajaran tanpa guru, mempraktikkan berbagai metodenya, mengerjakan teks menggunakan ML
Kami memecahkan 50+ masalah untuk memperkuat topik
Modul 5 - Algoritma berbasis pohon: pengenalan pohon
Mari mengenal pohon keputusan dan propertinya, menguasai pohon dari perpustakaan sklearn, dan menggunakan pohon untuk memecahkan masalah regresi
Kami memecahkan 40+ masalah untuk memperkuat topik
Modul 6 - Algoritma berbasis pohon: ansambel
Kami mempelajari fitur-fitur ansambel pohon, berlatih meningkatkan, menggunakan ansambel untuk membangun regresi logistik
Kami memecahkan 40+ masalah untuk memperkuat topik
Kami berpartisipasi dalam kompetisi kaggle untuk melatih model berbasis pohon
Modul 7 - Menilai Kualitas Algoritma
Kami mempelajari prinsip-prinsip pemisahan sampel, underfitting dan overfitting, mengevaluasi model menggunakan berbagai metrik kualitas, belajar memvisualisasikan proses pembelajaran
Mengevaluasi kualitas beberapa model ML
Kami memecahkan 40+ masalah untuk memperkuat topik
Modul 8 - Rangkaian Waktu dalam Pembelajaran Mesin
Mari berkenalan dengan analisis deret waktu di ML, master model linier dan XGBoost, pelajari prinsip validasi silang dan pemilihan parameter
Kami memecahkan 50+ masalah untuk memperkuat topik
Modul 9 - Sistem Rekomendasi
Kami mempelajari metode membangun sistem pemberi rekomendasi, menguasai algoritma SVD, dan mengevaluasi kualitas rekomendasi model yang dilatih
Kami memecahkan 50+ masalah untuk memperkuat topik
Modul 10 - Hackathon Terakhir
Kami menerapkan semua metode yang dipelajari untuk mendapatkan akurasi maksimum prediksi model di Kaggle