0
vistas
Aprendizaje automático - curso 39.240 rublos. de SkillFactory, formación de 12 semanas, fecha 13 de agosto de 2023.
Miscelánea / / December 02, 2023
¿En qué consiste el curso?
El curso incluye 10 módulos, más de 500 ejercicios para reforzar el material, capacitación en 10 algoritmos de aprendizaje automático, 2 hackathons en kaggle, chat con la comunidad y soporte de mentores.
La especialización en Ciencia de Datos consta de cursos:
Pitón
Matemáticas y estadísticas
Aprendizaje automático
Aprendizaje profundo
Ingeniería de datos
Gestión
Entrenamiento de habilidades
Cada tema se cubre en videos, capturas de pantalla y notas y se refuerza con docenas de ejercicios (pruebas, depuración de código, verificación del código de los estudiantes).
Comunidad y mentor
Durante el curso, no te quedarás solo con las dificultades: no solo te ayudarán tus compañeros de clase, sino también el mentor del curso.
Entrenamiento modelo
En el curso sobre cada tema, trabajará con el modelo ML: ajustará, creará desde cero, optimizará y probará diferentes métodos.
Introducción al aprendizaje automático
— Nos familiarizamos con las principales tareas y métodos del Machine Learning, estudiamos casos prácticos y aplicamos el algoritmo básico para trabajar en un proyecto de ML.
— Resolvemos más de 50 problemas para consolidar el tema.
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 consolidar el tema.
Regresión
— Estudiamos tipos de datos, aprendemos a limpiar y enriquecer datos, dominamos la regresión lineal y logística, estudiamos los límites de aplicabilidad, la inferencia analítica y la regularización.
— Entrenamiento de modelos de regresión.
— Resolvemos más de 40 problemas para consolidar el tema.
Agrupación
— Dominamos el aprendizaje sin maestro, practicamos sus diversos métodos, trabajamos con textos usando ML
— Resolvemos más de 50 problemas para consolidar el tema.
Algoritmos basados en árboles: una introducción a los árboles
— Familiarizarse con los árboles de decisión y sus propiedades, dominar los árboles de la biblioteca sklearn y utilizar árboles para resolver un problema de regresión
— Resolvemos más de 40 problemas para consolidar el tema.
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 consolidar el tema.
— Estamos participando en un concurso en kaggle para entrenar un modelo basado en árboles.
Evaluación de la calidad de los algoritmos.
— Estudiamos los principios de división de muestras, sobreentrenamiento y sobreentrenamiento, evaluamos modelos utilizando varias métricas de calidad, aprendemos a visualizar el proceso de aprendizaje.
— Evaluamos la calidad de varios modelos de ML.
— Resolvemos más de 40 problemas para consolidar el tema.
Series de tiempo en aprendizaje automático
— Familiarizarse con el análisis de series temporales en ML, dominar los modelos lineales y XGBoost, estudiar los principios de validación cruzada y selección de parámetros.
— Resolvemos más de 50 problemas para consolidar el tema.
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 consolidar el tema.
Hackatón final
— Aplicamos todos los métodos estudiados para obtener la máxima precisión de las predicciones del modelo en kaggle.
Suscribir
YOU MIGHT ALSO LIKE
