НАЗАД

Прикладные аспекты машинного обучения и глубокое обучение

В данном разделе представлены массовые открытые онлайн-курсы (МООК). МООК является дополнительным учебным материалом. 

Обращаем Ваше внимание, что изучение МООК доступно любому зарегистрированному пользователю, однако МООК не является частью образовательных программ повышения квалификации. 

Изучение материалов МООК не предполагает выдачу удостоверений, сертификатов или иных документов, подтверждающих их изучение.

Курс направлен на получение теоретических знаний и практических навыков в области разработки и настройки базовых элементов нейронных сетей с применением технологий глубокого обучения для решения прикладных задач анализа данных. Рассматриваются: аспекты подготовки данных и инструменты получения качественных моделей путем использования серии архитектур нейронных сетей, а также исследования их параметров; программная реализация приложений с полученными моделями для задач классификации, регрессии.

После завершения данного курса слушатели будут:
  • Знать процедуры выявления, формирования и согласования требований к результатам аналитических работ с применением технологий машинного обучения и глубокого обучения;
  • Знать принципы планирования и организации аналитических работ с использованием технологий машинного обучения и глубокого обучения;
  • Уметь подготавливать данные для проведения аналитических работ по исследованию больших данных методами машинного обучения и глубокого обучения;
  • Уметь проводить аналитическое исследование и разрабатывать приложения с применением технологий машинного обучения и глубокого обучения в соответствии с требованиями заказчика;
  • Применять модели и методы машинного обучения, с акцентом на распространенные нейросетевые архитектуры, для решения прикладных задач профессиональной деятельности
МООК
Программа
1
Прикладные аспекты машинного обучения и глубокое обучение

a.
Трейлер
2
Раздел 1

a.
Очистка данных. Часть 1

b.
Текстовые материалы

c.
Презентация

d.
Очистка данных. Часть 2

e.
Текстовые материалы

f.
Нахождение выбросов. Часть 1

g.
Текстовые материалы

h.
Презентация

i.
Нахождение выбросов. Часть 2

j.
Текстовые материалы

k.
Преобразование признаков

l.
Текстовые материалы

m.
Тестирование
3
Раздел 2

a.
Поиск оптимальных гиперпараметров

b.
Текстовые материалы

c.
Презентация

d.
Ансамбли моделей

e.
Текстовые материалы

f.
Презентация

g.
Поиск наилучшего классификатора

h.
Текстовые материалы

i.
Разработка эффективных регрессионных моделей. Часть 1

j.
Текстовые материалы

k.
Презентация

l.
Разработка эффективных регрессионных моделей. Часть 2

m.
Текстовые материалы

n.
Тестирование

o.
Оценка качества моделей кластеризации. Часть 1

p.
Текстовые материалы

q.
Презентация

r.
Оценка качества моделей кластеризации. Часть 2

s.
Текстовые материалы

t.
Поиск лучших решений кластеризации данных

u.
Текстовые материалы

v.
Презентация
4
Раздел 3

a.
Задачи Web-Mining

b.
Текстовые материалы

c.
Презентация

d.
Social Web-Mining. Часть 1

e.
Текстовые материалы

f.
Презентация

g.
Social Web-Mining. Часть 2

h.
Текстовые материалы

i.
Анализ информационных потоков в социальных сетях. Часть 1

j.
Текстовые материалы

k.
Презентация

l.
Анализ информационных потоков в социальных сетях. Часть 2

m.
Текстовые материалы

n.
Тестирование
5
Раздел 4

a.
Объяснимость в машинном обучении. Часть 1

b.
Текстовые материалы

c.
Презентация

d.
Объяснимость в машинном обучении. Часть 2

e.
Текстовые материалы

f.
Инструменты Больших данных в машинном обучении. Часть 1

g.
Текстовые материалы

h.
Презентация

i.
Инструменты Больших данных в машинном обучении. Часть 2

j.
Текстовые материалы

k.
Тестирование
6
Раздел 5

a.
Сверточные нейронные сети. Часть 1

b.
Текстовые материалы

c.
Презентация

d.
Сверточные нейронные сети. Часть 2

e.
Аугментация данных. Часть 1

f.
Текстовые материалы

g.
Презентация

h.
Аугментация данных. Часть 2

i.
Улучшение качества настройки сверточных моделей. Часть 1

j.
Текстовые материалы

k.
Презентация

l.
Улучшение качества настройки сверточных моделей. Часть 2

m.
Тестирование
7
Раздел 6

a.
Глубокие сети для сегментации изображений. Часть 1

b.
Текстовые материалы

c.
Презентация

d.
Глубокие сети для сегментации изображений. Часть 2

e.
Автокодировщики. Часть 1

f.
Текстовые материалы

g.
Презентация

h.
Автокодировщики. Часть 2

i.
Генеративно-состязательные модели

j.
Текстовые материалы

k.
Презентация

l.
Тестирование
8
Раздел 7

a.
Построение глубоких рекуррентных моделей

b.
Текстовые материалы

c.
Презентация

d.
Анализ последовательностей

e.
Векторные представления текстовых данных

f.
Текстовые материалы

g.
Презентация

h.
Механизм внимания. Часть 1

i.
Текстовые материалы

j.
Презентация

k.
Механизм внимания. Часть 2

l.
Трансформеры. Часть 1

m.
Текстовые материалы

n.
Презентация

o.
Трансформеры. Часть 2

p.
Тестирование
9
Раздел 8

a.
Тестирование
Преподаватели