Strojové učení: základní nástroje a postupy – kurz 51 590 RUB. z Netology, školení 10 měsíců, Datum 30. listopadu 2023.

Vytváření modelu
Přečtěte si, co je knihovna Sklearn a jak ji používat. Naučte se shlukovací algoritmy a umět sestavovat soubory modelů. Naučte se hodnotit modely a pracovat s overfittingem. Naučíte se používat GridSearch a RandomizedSearch, Model Specific CV, Out of Bag přístup.
• Knihovna Sklearn
• Klasifikační algoritmy: lineární metody, logistická regrese a SVM
• Klasifikační algoritmy: rozhodovací stromy
• Regresní algoritmy: lineární a polynomiální
• Algoritmy shlukování
• Soubor
• Posouzení přesnosti modelu, přeškolení, regularizace
• Zlepšení kvality modelu
• Organizace projektu, příprava výzkumných zpráv
• Laboratorní práce
• Dodání meziprojektu

Práce se zákazníkem
Naučíte se plánovat vývoj projektů datové vědy a kompetentně informovat zákazníky o výsledcích výzkumu.
• Organizace projektu
• Příprava výzkumných zpráv

Systémy doporučení
V tomto a následujících blocích uplatníte získané znalosti v různých oblastech strojového učení. Během tohoto bloku se dozvíte, jak vytvořit personalizované a nepersonalizované systémy doporučení a jak je kombinovat.
• Zavedení a klasifikace doporučovacích systémů
• Doporučení založená na obsahu
• Společné filtrování
• Nepersonalizované systémy doporučení
• Hybridní algoritmy

Počítačové vidění
Osvojíte si základní techniky počítačového vidění: extrakci funkcí, vyhledávání obrázků, segmentaci, detekci objektů a také se naučíte budovat neuronové sítě.
• Vyhledávání podle obrázků
• Segmentace obrazu, detekce objektů
• Aplikace ultra-přesných neuronových sítí pro segmentační a detekční úlohy
• Aplikace rekurentních sítí v problémech zpracování obrazu
• Generative Adversarial Networks (GAN)

Zpracování přirozeného jazyka (NLP)
Zvládnete morfologickou a syntaktickou analýzu, distribuční sémantiku a vyhledávání informací, naučit se redukovat dimenzionalitu ve vektorovém modelu, klasifikovat, extrahovat informace a generovat texty.
• Morfologická a syntaktická analýza
• Metody pro snížení dimenzionality ve vektorovém modelu. Hledání informací
• Modelování témat (LSA, LDA, HDP)
• Distributivní sémantika (word2vec, GloVe, AdaGram)
• Počitatelné jazykové modely a pravděpodobnostní jazykové modely. LSTM. Strojový překlad
• Generování textu (Generování přirozeného jazyka)
• Klasifikační problém v AOT

Časové řady
V této intenzivní jednotce se naučíte identifikovat původ a strukturu časové řady, předvídat budoucí hodnoty pro efektivní rozhodování při sestavování modelů strojového učení. Pochopíte, co je „pod pokličkou“ populárních metod a knihoven.
• Algoritmy pro zpracování časových řad
• Modely ARIMA a GARCH
• Markovovy náhodné procesy

Závěrečný hackathon
Dokončeme trénink soutěží s kolegy z kurzu: jako součást minitýmu po omezenou dobu a na základě datových sad hlavních hráčů trhu, budete muset řešit problémy s prognózováním prodeje nebo optimalizací výroby s využitím všech znalostí a dovedností získaných v chod. Integrace a využití řešení strojového učení v podnikání zpravidla zahrnuje týmovou hru, takže hackathon je také užitečný jako trénink nezbytných měkkých dovedností.

Absolventský projekt
V rámci svého projektu diplomové práce vytvoříte model ML, který vyřeší vaše aktuální profesní problémy: mohl by to být systém prognózy prodeje, rozpoznávání objektů na fotografiích nebo videích, analýza časových řad, analýza velkého množství textu atd. d. Pokud v tuto chvíli nemáte nápady pro svůj projekt (nebo přístup k potřebným datům), nabídneme vám případovou studii v oblasti, která vás zajímá, na základě reálného datasetu jiných společností. Práce je dokončována samostatně pod vedením odborníků na kurzy a umožňuje upevnit celou škálu znalostí a dovedností získaných v programu.