Aprendizado de Máquina - curso RUB 39.240. da SkillFactory, treinamento de 12 semanas, data 13 de agosto de 2023.
Miscelânea / / December 02, 2023
Em que consiste o curso?
O curso inclui 10 módulos, mais de 500 exercícios para reforço do material, treinamento em 10 algoritmos de aprendizado de máquina, 2 hackathons no kaggle, chat com a comunidade e suporte de mentores
A especialização Data Science consiste em cursos:
Pitão
Matemática e estatística
Aprendizado de máquina
Aprendizado profundo
Engenharia de Dados
Gerenciamento
Treinamento de habilidade
Cada tópico é abordado em vídeos, screencasts e notas e reforçado com dezenas de exercícios (testes, depuração de código, verificação do código do aluno).
Comunidade e mentor
Durante o curso, você não ficará sozinho com as dificuldades - não apenas seus colegas, mas também o mentor do curso irão ajudá-lo.
Treinamento de modelo
No curso de cada tópico, você trabalha com o modelo de ML - ajuste fino, crie do zero, otimize, experimente métodos diferentes.
Introdução ao aprendizado de máquina
— Conhecemos as principais tarefas e métodos de Machine Learning, estudamos casos práticos e aplicamos o algoritmo básico para trabalhar em um projeto de ML
— Resolvemos mais de 50 problemas para consolidar o tema
Métodos de pré-processamento de dados
— Estudamos tipos de dados, aprendemos a limpar e enriquecer dados, usamos visualização para pré-processamento e dominamos a engenharia de recursos
— Resolvemos mais de 60 problemas para consolidar o tema
Regressão
— Estudamos tipos de dados, aprendemos a limpar e enriquecer dados, dominamos a regressão linear e logística, estudamos os limites de aplicabilidade, inferência analítica e regularização
— Modelos de regressão de treinamento
— Resolvemos mais de 40 problemas para consolidar o tema
Agrupamento
— Dominamos a aprendizagem sem professor, praticamos seus diversos métodos, trabalhamos com textos usando ML
— Resolvemos mais de 50 problemas para consolidar o tema
Algoritmos baseados em árvores: uma introdução às árvores
— Familiarizar-se com árvores de decisão e suas propriedades, dominar árvores da biblioteca sklearn e usar árvores para resolver um problema de regressão
— Resolvemos mais de 40 problemas para consolidar o tema
Algoritmos baseados em árvore: conjuntos
— Estudamos as características dos conjuntos de árvores, praticamos o boosting, usamos o conjunto para construir regressão logística
— Resolvemos mais de 40 problemas para consolidar o tema
— Estamos participando de uma competição no kaggle para treinar um modelo baseado em árvore
Avaliando a qualidade dos algoritmos
— Estudamos os princípios de divisão de amostras, sub e overtraining, avaliamos modelos usando várias métricas de qualidade, aprendemos a visualizar o processo de aprendizagem
— Avaliamos a qualidade de diversos modelos de ML
— Resolvemos mais de 40 problemas para consolidar o tema
Séries temporais em aprendizado de máquina
— Conhecer a análise de séries temporais em ML, dominar modelos lineares e XGBoost, estudar os princípios de validação cruzada e seleção de parâmetros
— Resolvemos mais de 50 problemas para consolidar o tema
Sistemas de recomendação
— Estudamos métodos para construção de sistemas de recomendação, dominamos o algoritmo SVD, avaliamos a qualidade das recomendações do modelo treinado
— Resolvemos mais de 50 problemas para consolidar o tema
Hackatona final
— Aplicamos todos os métodos estudados para obter a máxima precisão das previsões do modelo no kaggle