Machine Learning και Deep Learning - μάθημα 68.040 τρίψτε. από το SkillFactory, εκπαίδευση 20 εβδομάδων, Ημερομηνία: 13 Αυγούστου 2023.

Σύντομο πρόγραμμα του μαθήματος «Machine Learning PRO»

Ενότητα 1
Εισαγωγή στη Μηχανική Μάθηση
Εξοικειωνόμαστε με τις κύριες εργασίες και μεθόδους μηχανικής μάθησης, μελετάμε πρακτικές περιπτώσεις και εφαρμόζουμε τον βασικό αλγόριθμο για την εργασία σε ένα έργο ML
Επιλύουμε 50+ προβλήματα για να ενισχύσουμε το θέμα

Ενότητα 2
Μέθοδοι προεπεξεργασίας δεδομένων
Μελετάμε τύπους δεδομένων, μαθαίνουμε να καθαρίζουμε και να εμπλουτίζουμε δεδομένα, χρησιμοποιούμε οπτικοποίηση για προεπεξεργασία και κυριαρχούμε στη μηχανική χαρακτηριστικών
Επιλύουμε 60+ προβλήματα για να ενισχύσουμε το θέμα

Ενότητα 3
Οπισθοδρόμηση
Κατακτούμε τη γραμμική και λογιστική παλινδρόμηση, μελετάμε τα όρια εφαρμογής, αναλυτικά συμπεράσματα και τακτοποίηση. Μοντέλα παλινδρόμησης εκπαίδευσης
Επιλύουμε 40+ προβλήματα για να ενισχύσουμε το θέμα

Ενότητα 4
Ομαδοποίηση
Κατακτούμε τη μάθηση χωρίς δάσκαλο, εξασκούμε τις διάφορες μεθόδους της, εργαζόμαστε με κείμενα χρησιμοποιώντας ML
Επιλύουμε 50+ προβλήματα για να ενισχύσουμε το θέμα

Ενότητα 5
Αλγόριθμοι που βασίζονται σε δέντρα: μια εισαγωγή στα δέντρα

Ας εξοικειωθούμε με τα δέντρα αποφάσεων και τις ιδιότητές τους, τα κύρια δέντρα από τη βιβλιοθήκη sklearn και ας χρησιμοποιήσουμε δέντρα για να λύσουμε ένα πρόβλημα παλινδρόμησης
Επιλύουμε 40+ προβλήματα για να ενισχύσουμε το θέμα

Ενότητα 6
Αλγόριθμοι που βασίζονται σε δέντρα: σύνολα
Μελετάμε τα χαρακτηριστικά των συνόλων δέντρων, εξασκούμαστε στην ενίσχυση, χρησιμοποιούμε το σύνολο για να δημιουργήσουμε λογιστική παλινδρόμηση
Επιλύουμε 40+ προβλήματα για να ενισχύσουμε το θέμα
Συμμετέχουμε σε διαγωνισμό στο kaggle για την εκπαίδευση ενός μοντέλου με βάση το δέντρο

Ενότητα 7
Αξιολόγηση της ποιότητας των αλγορίθμων
Μελετάμε τις αρχές του διαχωρισμού δειγμάτων, της υπο-και υπερπροσαρμογής, αξιολογούμε μοντέλα χρησιμοποιώντας διάφορες μετρήσεις ποιότητας, μαθαίνουμε να οπτικοποιούμε τη διαδικασία εκμάθησης
Αξιολόγηση της ποιότητας πολλών μοντέλων ML
Επιλύουμε 40+ προβλήματα για να ενισχύσουμε το θέμα

Ενότητα 8
Χρονικές σειρές στη μηχανική μάθηση
Ας εξοικειωθούμε με την ανάλυση χρονοσειρών στο ML, τα κύρια γραμμικά μοντέλα και το XGBoost, ας μελετήσουμε τις αρχές της διασταυρούμενης επικύρωσης και της επιλογής παραμέτρων
Επιλύουμε 50+ προβλήματα για να ενισχύσουμε το θέμα

Ενότητα 9
Συστήματα συστάσεων
Μελετάμε μεθόδους για την κατασκευή συστημάτων συστάσεων, κυριαρχούμε στον αλγόριθμο SVD, αξιολογούμε την ποιότητα των προτάσεων του εκπαιδευμένου μοντέλου
Επιλύουμε 50+ προβλήματα για να ενισχύσουμε το θέμα

Ενότητα 10
Τελικό hackathon
Εφαρμόζουμε όλες τις μεθόδους που μελετήθηκαν για να επιτύχουμε τη μέγιστη ακρίβεια των προβλέψεων μοντέλων στο kaggle

Πρόγραμμα μαθημάτων "Deep Learning"

Ενότητα 1
Εισαγωγή στα τεχνητά νευρωνικά δίκτυα
Δημιουργούμε ένα νευρωνικό δίκτυο για την αναγνώριση χειρόγραφων αριθμών στην Python

Ενότητα 2
Πλαίσια για βαθιά μάθηση (TensorFlow, Keras)
Δημιουργούμε ένα μοντέλο αναγνώρισης εικόνας με βάση το σύνολο δεδομένων FashionMNIST και το πλαίσιο Keras

Ενότητα 3
Συνελικτικά Νευρωνικά Δίκτυα
Αναγνωρίζουμε εικόνες στο σύνολο δεδομένων CIFAR-10 χρησιμοποιώντας ένα συνελικτικό νευρωνικό δίκτυο

Ενότητα 4
Βελτιστοποίηση νευρωνικών δικτύων
Βελτίωση της ταχύτητας και της απόδοσης των δικτύων για την περίπτωση της προηγούμενης ενότητας

Ενότητα 5
Εκμάθηση μεταφοράς και τελειοποίηση
Πρόσθετη εκπαίδευση του νευρωνικού δικτύου ImageNET για την επίλυση του προβλήματος της ταξινόμησης εικόνων

Ενότητα 6
Τμηματοποίηση εικόνας
Σχεδιάζοντας ένα νευρωνικό δίκτυο για την τμηματοποίηση ατόμων στο σύνολο δεδομένων COCO

Ενότητα 7
Ανίχνευση αντικειμένων
Εκπαιδεύουμε ένα νευρωνικό δίκτυο για την επίλυση ενός προβλήματος ανίχνευσης χρησιμοποιώντας το παράδειγμα ενός συνόλου δεδομένων με λογότυπα επωνυμίας

Ενότητα 8
Εισαγωγή στο NLP και τις ενσωματώσεις λέξεων
Δημιουργία νευρωνικού δικτύου για εργασία με φυσική γλώσσα

Ενότητα 9
Επαναλαμβανόμενα νευρωνικά δίκτυα
Δημιουργία ενός chatbot που βασίζεται σε ένα επαναλαμβανόμενο νευρωνικό δίκτυο

Ενότητα 10
Ενισχυτική Μάθηση
Δημιουργία πράκτορα για παιχνίδι Pong με βάση τον αλγόριθμο DQN

Ενότητα 11
Τι έπεται?
Ας εξοικειωθούμε με άλλους τομείς εφαρμογής των νευρωνικών δικτύων. Δημιουργία νευρωνικού δικτύου GAN για δημιουργία εικόνων