Как машинное обучение сделает тебя настоящим профессионалом

Привет, будущий эксперт в мире машинного обучения! Если ты всегда мечтал овладеть суперсилой анализа данных, предсказания будущего и создания инновационных проектов, то этот курс для тебя. Да, именно для тебя!

Чему ты научишься:

Определение Больших Данных: Разгадай тайны массивов данных, научись выявлять закономерности и делай данные работать на тебя.

Преобразование Идей в Реальность: Узнай, как твои идеи могут стать проектами в мире искусственного интеллекта. Мы научим тебя анализировать искусственные интеллектуальные модели, выявлять их преимущества и недостатки, исходя из чего сформулировать и аргументировать свою точку зрения.

Эффективное Общение: Приобрети язык профессионалов машинного обучения. Ты будешь уверенно общаться с заказчиками и коллегами, понимать, когда требования невыполнимы, и четко формулировать свою точку зрения.

О Курсе:

Этот курс — не просто набор лекций, это взлет на новый уровень твоих знаний. Мы разработали его так, чтобы даже школьник с базовыми математическими навыками смог освоить магию машинного обучения. Преподаватели – профессионалы, знающие, как сделать сложные вещи простыми.

Цели Курса:

Привлечение: Мы хотим, чтобы каждый понял, что машинное обучение – не чудовище, а возможность для творчества и развития.

Обучение Общению: Научись говорить на языке заказчика, коллег и подчиненных. Это умение откроет тебе двери в мир успешных проектов.

Вдохновение: Проснись с желанием запустить свой проект. Мы дадим тебе инструменты, а ты создашь чудо.

Программа курса:

• Введение в машинное обучение и основные понятия статистики
• Задачи и модели машинного обучения
• Представление данных для машинного обучения. Признаки объектов
• Основные понятия математической статистики
• Тест
• Практическое задание
• Восстановление пропущенных значений
• Постановка проблемы и простейшие способы ее решения
• Замечание об использовании метрики
• Использование коэффициента корреляции для восстановления данных
• Применение метрик и КК в рекомендательных системах
• Тест
• Практическое задание
• Поиск выбросов и аномалий
• Постановка проблемы
• Методы, анализирующие признаки по отдельности
• Критерий Шовене (Chauvenet)
• Поиск выбросов без использования среднего и отклонения
• Методы, анализирующие несколько признаков
• Тест
• Практическое задание
• Кластеризация
• Постановка задачи кластеризации
• Кластеризация с помощью графов
• Алгоритм FOREL (формальный элемент)
• Алгоритм k-means (k - средних)
• Выбор оптимального числа кластеров
• Кластеризация по столбцам
• Тест
• Практическое задание
• Задача предсказания, линейная регрессия
• Постановка задачи предсказания
• План решения задачи регрессии
• Построение модели линейной регрессии
• Проблемы модели линейной регрессии
• Полиномиальная регрессия
• Тест
• Практическое задание
• Классификация,  kNN, кросс-валидация
• План решения задачи классификации
• Метод k ближайших соседей (kNN)
• Методы выбора оптимальных параметров алгоритма. Кросс-валидация
• Тест
• Практическое задание
• Деревья в машинном обучении
• Основные понятия
• Неопределенность Джини. Построение дерева с его помощью
• Поиск выбросов с помощью дерева (изолирующий лес)
• Случайный лес (Random forest)
• Тест
• Практическое задание
• Линейные классификаторы (ЛК)
• Принцип классификации. Общая схема построения ЛК
• Пример построения линейного классификатора
• Нахождение минимума функции с помощью градиентного спуска
• Трюк с ядром
• Метод опорных векторов (support vector machine, SVM)
• Нейронные сети (как композиция линейных классификаторов)
• Тест
• Практическое задание
• Вероятностные алгоритмы. Наивный Байес
• Что такое вероятностные алгоритмы?
• Повторим школьную теорию вероятностей
• Наивный Байес
• Показатели качества алгоритма, выдающего вероятности
• Тест
• Практическое задание
• Ансамбли алгоритмов
• Голосование по большинству (комитет)
• Взвешенное голосование AdaBoost
• Градиентный бустинг
• Тест
• Практическое задание
• Отбор признаков (feature selection) и объектов
• Мотивация и простые способы отбора признаков
• Отбор признаков в несколько итераций
• Синтез новых признаков. Метод главных компонент
• Синтез новых объектов
• Проклятие размерности
• Тест
• Практическое задание
• Конспекты лекций и практика по программированию
• Конспекты лекций
• Задания по программированию
• Опрос слушателей курса

Слушатель, курс "Машинное Обучение" — это твой путь в мир современных технологий. После его прохождения ты сможешь строить модели машинного обучения, предсказывать будущее данных, а главное — делать мир лучше с помощью технологий.