Aprendizaje automático y aprendizaje profundo: curso 68.040 rublos. de SkillFactory, formación de 20 semanas, Fecha: 13 de agosto de 2023.

Breve programa del curso “Machine Learning PRO”

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: una 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 de tiempo 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.

Programa del curso "Aprendizaje profundo"

Módulo 1
Introducción a las redes neuronales artificiales
Creamos una red neuronal para reconocer números escritos a mano en Python

Módulo 2
Marcos para el aprendizaje profundo (TensorFlow, Keras)
Creamos un modelo de reconocimiento de imágenes basado en el conjunto de datos FashionMNIST y el marco Keras.

Módulo 3
Redes neuronales convolucionales
Reconocemos imágenes en el conjunto de datos CIFAR-10 utilizando una red neuronal convolucional

Módulo 4
Optimización de redes neuronales
Mejora de la velocidad y rendimiento de las redes para el caso del módulo anterior

Módulo 5
Transferir aprendizaje y ajuste
Entrenamiento adicional de la red neuronal ImageNET para resolver el problema de clasificación de imágenes.

Módulo 6
Segmentación de imagen
Diseño de una red neuronal para segmentar personas en el conjunto de datos COCO

Módulo 7
Detección de objetos
Entrenamos una red neuronal para resolver un problema de detección usando el ejemplo de un conjunto de datos con logotipos de marcas.

Módulo 8
Introducción a la PNL y las incrustaciones de Word
Creando una red neuronal para trabajar con lenguaje natural.

Módulo 9
Redes neuronales recurrentes
Creando un chatbot basado en una red neuronal recurrente

Módulo 10
Aprendizaje reforzado
Creando un agente para jugar Pong basado en el algoritmo DQN

Módulo 11
¿Que sigue?
Conozcamos otras áreas de aplicación de las redes neuronales. Creando una red neuronal GAN ​​para la generación de imágenes.