Основы машинного обучения и нейронных сетей в Академия Информационных Систем

Программа предназначена для управленцев среднего звена и выше. Рассматриваются основы работы с данными, а также роли в команде, занимающийся такими проектами. Дается базовое представление об основных этапах работы, построении и верификации моделей, а также сценариям использования результатов. Отдельное внимание уделено современному инструментарию и лабораторным работам.

Код: DO002

Включено в курс

Электронные документы

Обед

Кофе брейк

Документы об обучении

Удостоверение о повышении квалификации

Форма обучения: Очно/Дистанционно

Ближайшие даты

12 - 13 Февраля 2025 г.

27 - 28 Апреля 2025 г.

07 - 08 Августа 2025 г.

Продолжительность: 2 дня 16 ак.часов

Стоимость 32 000 руб.

Программа

Введение в машинное обучение (Machine Learning, ML)

8 ч.
- Основная терминология, область применения и актуальность;
- Типовые ML задачи;
- Обучение с учителем: классы алгоритмов и разбор конкретных алгоритмов;
- Обучение без учителя: классы алгоритмов и разбор конкретных алгоритмов;
- Обучение с подкреплением: классы алгоритмов и разбор конкретных алгоритмов;
- Повышение и понижение размерности
- Демонстрация: создание модели (предсказание цены)
- Data Science - процесс:
  - Поиск и источники данных;
  - Препроцессинг данных;
  - Дизайн признаков (feature engineering);
  - Выбор подходящего ML-алгоритма;
  - Тренировка модели.
- Оценка результата:
  - Базовые метрики;
  - Агрегирующие метрики.
- Обогащение данных:
  - Открытые источники;
  - Внутренние ресурсы.
- Data science инструменты: основные языки программирования, ML-фреймворки и облачные сервисы
- Практика: создание ML-модели с использованием облачного сервиса.
Введение в глубокое обучение (Deep Learning, DL)

4 ч.
- Основная терминология, область применения и актуальность;
- Основы нейронных сетей. Персептрон;
- Современные нейросетевые архитектуры;
- Сверточные нейронные сети;
- Рекуррентные нейронные сети;
- Автоэнкодеры;
- Data science инструменты: DL-фреймворки;
- Практика/демонстрация:
  - Основы python;
  - Самостоятельная лабораторная работа (распознавание изображений с помощью нейронных сетей);
  - Обучение при распознавании изображений с помощью нейронных сетей.
Управление Data Science-процессом

4 ч.
- Постановка задач
- Команда
- Методологии (CRISP)
- Интеграция в существующие процессы компании

Основы машинного обучения и нейронных сетей

Включено в курс

Документы об обучении

Программа

Введение в машинное обучение (Machine Learning, ML)

Основная терминология, область применения и актуальность;

Типовые ML задачи;

Обучение с учителем: классы алгоритмов и разбор конкретных алгоритмов;

Обучение без учителя: классы алгоритмов и разбор конкретных алгоритмов;

Обучение с подкреплением: классы алгоритмов и разбор конкретных алгоритмов;

Повышение и понижение размерности

Демонстрация: создание модели (предсказание цены)

Data Science - процесс:

Поиск и источники данных;

Препроцессинг данных;

Дизайн признаков (feature engineering);

Выбор подходящего ML-алгоритма;

Тренировка модели.

Оценка результата:

Базовые метрики;

Агрегирующие метрики.

Обогащение данных:

Открытые источники;

Внутренние ресурсы.

Data science инструменты: основные языки программирования, ML-фреймворки и облачные сервисы

Практика: создание ML-модели с использованием облачного сервиса.

Введение в глубокое обучение (Deep Learning, DL)

Основная терминология, область применения и актуальность;

Основы нейронных сетей. Персептрон;

Современные нейросетевые архитектуры;

Сверточные нейронные сети;

Рекуррентные нейронные сети;

Автоэнкодеры;

Data science инструменты: DL-фреймворки;

Практика/демонстрация:

Основы python;

Самостоятельная лабораторная работа (распознавание изображений с помощью нейронных сетей);

Обучение при распознавании изображений с помощью нейронных сетей.

Управление Data Science-процессом

Постановка задач

Команда

Методологии (CRISP)

Интеграция в существующие процессы компании

Рекомендуемые курсы