Matemáticas y aprendizaje automático para la ciencia de datos: curso 50.040 rublos. de SkillFactory, formación 5,5 meses, Fecha: 13 de agosto de 2023.

programa del curso de matematicas

Parte 1 - Álgebra lineal

• Estudiamos vectores y tipos de matrices.
• Aprender a realizar operaciones con matrices.
• Determinar la dependencia lineal usando matrices.
• Estudiamos matrices inversas, singulares y no singulares.
• Estudiamos sistemas de ecuaciones lineales, propios y números complejos.
instagram viewer
• Dominio de la matriz y descomposición singular.
• Resolver problemas de dependencia lineal usando matrices.
• Optimización utilizando el método del componente principal
• Reforzando los fundamentos matemáticos de la regresión lineal

Parte 2 - Conceptos básicos del análisis matemático

• Estudiamos funciones de una y muchas variables y derivadas.
• Dominar el concepto de gradiente y descenso de gradiente.
• Formación en problemas de optimización.
• Estudiamos el método del multiplicador de Lagrange, el método de Newton y el recocido simulado.
• Resolvemos problemas de predicción y búsqueda de una estrategia ganadora utilizando métodos derivados y de optimización numérica.
• Reforzando las matemáticas detrás del descenso de gradiente y el recocido simulado

Parte 3 - Fundamentos de probabilidad y estadística

• Estudiamos los conceptos generales de estadística descriptiva y matemática.
• Dominar la combinatoria
• Estudiamos los principales tipos de distribuciones y correlaciones.
• Comprender el teorema de Bayes
• Aprender un clasificador ingenuo de Bayes
• Resolvemos problemas de combinatoria, validez y predicción utilizando estadística y teoría de probabilidades.
• Consolidamos los fundamentos matemáticos de la clasificación y la regresión logística

Parte 4: Series temporales y otros métodos matemáticos

• Introducción al análisis de series temporales
• Dominar tipos de regresiones más complejos
• Pronosticar el presupuesto usando series de tiempo
• Reforzando los fundamentos matemáticos de los modelos clásicos de aprendizaje automático

Programa breve del curso sobre Machine Learning

Asistencia del tutor durante la formación.

Módulo 1: Introducción al aprendizaje automático

Nos familiarizamos con las principales tareas y métodos del aprendizaje automático, estudiamos casos prácticos y aplicamos el algoritmo básico para trabajar en un proyecto de ML.
Resolvemos más de 50 problemas para reforzar el tema.

Módulo 2: Métodos de preprocesamiento de datos

Estudiamos tipos de datos, aprendemos a limpiar y enriquecer datos, utilizamos la visualización para el preprocesamiento y dominamos la ingeniería de funciones.
Resolvemos más de 60 problemas para reforzar el tema.

Módulo 3 - Regresión

Dominamos la regresión lineal y logística, estudiamos los límites de aplicabilidad, la inferencia analítica y la regularización. Modelos de regresión de entrenamiento
Resolvemos más de 40 problemas para reforzar el tema.

Módulo 4 - Agrupación

Dominamos el aprendizaje sin profesor, practicamos sus diversos métodos, trabajamos con textos utilizando ML
Resolvemos más de 50 problemas para reforzar el tema.

Módulo 5 - Algoritmos basados ​​en árboles: introducción a los árboles

Conozcamos los árboles de decisión y sus propiedades, dominemos los árboles de la biblioteca sklearn y usemos árboles para resolver un problema de regresión.
Resolvemos más de 40 problemas para reforzar el tema.

Módulo 6 - Algoritmos basados ​​en árboles: conjuntos

Estudiamos las características de los conjuntos de árboles, practicamos el impulso y utilizamos el conjunto para construir una regresión logística.
Resolvemos más de 40 problemas para reforzar el tema.
Participamos en un concurso en kaggle para entrenar un modelo basado en árboles

Módulo 7: Evaluación de la calidad de los algoritmos

Estudiamos los principios de división de muestras, subajuste y sobreajuste, evaluamos modelos utilizando varias métricas de calidad, aprendemos a visualizar el proceso de aprendizaje.
Evaluación de la calidad de varios modelos de ML
Resolvemos más de 40 problemas para reforzar el tema.

Módulo 8: Series temporales en aprendizaje automático

Familiaricémonos con el análisis de series de tiempo en ML, dominemos los modelos lineales y XGBoost, estudiemos los principios de validación cruzada y selección de parámetros.
Resolvemos más de 50 problemas para reforzar el tema.

Módulo 9 - Sistemas de recomendación

Estudiamos métodos para construir sistemas de recomendación, dominamos el algoritmo SVD, evaluamos la calidad de las recomendaciones del modelo entrenado.
Resolvemos más de 50 problemas para reforzar el tema.

Módulo 10 - Hackatón final

Aplicamos todos los métodos estudiados para obtener la máxima precisión de las predicciones del modelo en Kaggle.