Машинное обучение на практике
МО_п
Курс познакомит слушателей с основными концепциями машинного обучения.
На курсе слушатели научатся работать с различными алгоритмами, такими как линейная регрессия, логистическая регрессия, случайные леса и градиентный бустинг. Узнают, как обрабатывать и анализировать данные, оценивать качество моделей и улучшать их с помощью методов регуляризации. Все эти темы будут рассмотрены как в теории, так и на практике.
Документы об окончании обучения: Сертификат УЦ ЮНИТ, Удостоверение гос. образца о повышении квалификации (по требованию).
Аудитория
Курс подойдёт для разработчиков, желающих освоить машинное обучение; исследователей, работающих с большими данными; бизнес-аналитиков, стремящихся улучшить свои навыки прогнозирования и всех, кто хочет научиться строить модели на основе данных.
Программа курса
День 1.
- Постановка задачи, метрики, baseline
- PyCharm: структура проекта
- Данные: пропуски, категории, Pool
- Разбиение на train/test
- Обучение Classifier / Regressor
- Early stopping
- Первичная диагностика ошибок
День 2.
- Кросс-валидация
- Диагностика ошибок
- Важности признаков, SHAP
- Срезы качества
День 3.
- Поиск гиперпараметров (GridSearch, RandomizedSearch)
- Контроль переобучения
- Дисбаланс классов: веса
- Калибровка вероятностей
День 4.
- Сохранение модели и артефактов
- Обзор MLflow для логирования
- Batch scoring
- API на FastAPI
День 5.
- Подключение к базе данных
- Дообучение модели со временем
- Мини-MVP + документация
Рекомендуемые курсы
- 20480 Программирование в HTML5 с JavaScript и CSS3 40 ак. ч.
- 20483 Программирование на C# 40 ак. ч.
- PHP_Level1 Основы web-программирования на языке PHP 40 ак. ч.
- ITPM Управление проектами ИТ. Практические аспекты 24 ак. ч.
Дополнительно
Курс читают тренер-практик с опытом проведения курсов и практическими знаниями в работе программы.
Для получения более подробной информации о наших преподавателях свяжитесь с нами по тел. (343) 227-30-37, по эл.почте edu@unit-edu.ru или в нашем Online-чате.