Курс Machine Learning Beginning

Класичний вступний курс із сучасного Machine Learning з акцентом на практику.

Програма курсу

Вступ до машинного навчання

• Що таке машинне навчання
• Приклади використання в реальному житті
• Типи задач (класифікація, регресія, кластеризація)
• Короткий огляд інструментів

Python та підготовка даних

• Основи Python для роботи з даними
• Використання бібліотек pandas, numpy

Дослідницький аналіз

• Огляд методів аналізу даних
• Заповнення пропущених значень
• Виявлення аномалій
• Візуалізація даних (графіки, гістограми)

Побудова моделей: регресії

• Лінійна регресія: принцип роботи
• Логістична регресія
• Оцінювання якості моделей

Evaluating models. Validation. Metrics

• Метрики оцінки моделей (MAE, MSE, R^2)
• Крос-валідація
• Переваги та недоліки різних підходів
• Обговорення помилок моделей

Побудова моделей: дерева рішень та метрики моделей

• Побудова дерева рішень
• Оцінювання важливості фіч
• Візуалізація дерева

Ансамблеві методи: Random Forest

• Принцип роботи Random Forest
• Переваги ансамблевих методів
• Налаштування гіперпараметрів

Ансамблеві методи: Random Forest та Gradient Boosting

• Принцип роботи Gradient Boosting
• Порівняння Random Forest та Gradient Boosting
• Налаштування гіперпараметрів

Тюнінг гіперпараметрів

• Огляд Grid Search і Random Search
• Байєсівська оптимізація

Feature engineering 1

• Date features
• Geo features
• Regular expressions
• Model output as a feature
• Web/ip features
• Feature selection techniques

Feature engineering 2 / NLP features

• Bag-of-words
• TF-IDF
• Hashing vectoriser
• Embedings Word2Vec
• Other features

Кластеризація та зменшення розмірності

• Реалізація K-means кластеризації
• DBSCAN
• Застосування PCA для зменшення розмірності

Аналіз часових рядів 1

• Тренди та сезонність
• Основи ARIMA
• Перетворення часових рядів

Аналіз часових рядів 2

• Побудова моделей прогнозування на XGBoost
• Аналіз точності
• Оптимізація моделей

Рекомендаційні системи 1

• Collaborative filtering: основи
• Методи user-based та item-based рекомендацій
• Використання бібліотек

Рекомендаційні системи 2

• Сontent-based рекомендації
• Гібридні системи

Деплоймент 1

• Вступ до Flask і FastAPI
• Створення REST API

Деплоймент 2

• Основи створення docker-контейнерів
• Інтеграція моделей у хмарні сервіси

Кар'єрний вебінар

• Як скласти резюме
• Підготовка до співбесід
• Пошук роботи в IT
• Відповіді на запитання студентів

Особливості курсу

• Живі заняття
• Real-life завдання
• Курсовий проєкт
• Регулярний фідбек
• Сертифікат за здобутки
• Можна повернути кошти протягом 7 днів від початку курсу

Викладачі курсу

Олена Касьяненко - Data Science Consultant at monobank