Курс Machine Learning и Deep Learning от SkillFactory со скидкой по промокоду

Курс даст понимание алгоритмов и знание необходимых библиотек при использовании Deep Learning. Краткая программа курса «Machine Learning PRO»​ Введение в машинное обучение​ Знакомимся с основными задачами и методами machine learning , изучаем практические кейсы и применяем базовый алгоритм работы над ml-проектом Решаем 50+ задач на закрепление темы Методы предобработки данных​ Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering Решаем 60+ задач на закрепление темы Регрессия​ Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии Решаем 40+ задач на закрепление темы Кластеризация​ Осваиваем обучение без учителя, практикуемся в его различных методах, работаем с текстами средствами ML Решаем 50+ задач на закрепление темы Tree-based алгоритмы: введение в деревья​ Знакомимся с решающими деревьями и их свойствами, осваиваем деревья из библиотеки sklearn и используем деревья для решения задачи регрессии Решаем 40+ задач на закрепление темы Tree-based алгоритмы: ансамбли​ Изучаем особенности ансамблей деревьев, практикуемся в бустинге, используем ансамбль для построения логистической регрессии Решаем 40+ задач на закрепление темы Участвуем в соревновании на kaggle по обучению tree-based модели Оценка качества алгоритмов​ Изучаем принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения Оцениваем качество нескольких моделей ML Решаем 40+ задач на закрепление темы Временные ряды в машинном обучении​ Знакомимся с анализом временных рядов в ML, осваиваем линейные модели и XGBoost, изучаем принципы кросс-валидации и подбора параметров Решаем 50+ задач на закрепление темы Рекомендательные системы​ Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели Решаем 50+ задач на закрепление темы Финальный хакатон​ Применяем все изученные методы для получения максимальной точности предсказаний модели на kaggle Программа курса «Deep Learning»​ Введение в искусственные нейронные сети​ Создаем нейронную сеть для распознавания рукописных цифр на языке Python Фреймворки для глубокого обучения (TensorFlow, Keras)​ Создаем модель распознавания изображений на базе датасета FashionMNIST и фреймворка Keras Сверточные нейронные сети​ Распознаем изображения в датасете CIFAR-10 с помощью сверточной нейронной сети Оптимизация нейронной сети​ Улучшаем скорость и производительность сетей для кейса предыдущего модуля Transfer learning & Fine-tuning​ Дообучение нейронной сети ImageNET для решения задачи классификации изображений Сегментация изображений​ Проектируем нейронную сеть для сегментации людей в датасете COCO Детектирование объектов​ Обучаем нейросеть решать задачу детекции на примере датасета с логотипами брендов Введение в NLP и Word Embeddings​ Создаем нейросеть для работы с естественным языком Рекуррентные нейронные сети​ Создаем чат-бота на базе рекуррентной нейросети Reinforcement Learning (обучение с подкреплением)​ Создаем агента для игры в Pong на основе DQN алгоритма What's next?​ Знакомимся с другими областями применения нейросетей. Создаем нейросеть GAN для генерации изображений ​