Мы живём во время расцвета машинного обучения, являясь свидетелями ежегодных прорывов в этой области. Самодвижущиеся автомобили, автоматический перевод, победа компьютера в Старкрафт — всё это уже реальность.
Как же познакомиться с областью, чтобы на приличном уровне понимать происходящее? С одной стороны в сети полно видеолекций и публикаций на любой вкус, с другой — как невозможно научиться плавать по книгам, так и машинное обучение нельзя освоить без практической реализации моделей.
Предлагаемая вам практика начнётся с входного соревнования на Kaggle.
Далее будем знакомиться с избранными методами машинного обучения, опираясь на некоторые материалы курса МКН СПбГУ.
- познакомимся с машинным обучением и разберём решения входного соревнования
- подробно изучим особенности Python, numpy и pandas
- обсудим линейные модели и метод стохастического градиента решения задачи оптимизации
- напишем свою полносвязную нейронную сеть на numpy
- поговорим про сверточные нейронные сети для обработки изображений
- ещё раз посоревнуемся, на этот раз в классификации изображений
- если останется время и силы, то обсудим, что такое обучение с подкреплением и начнем делать проект на эту тему
-
Александр Юрьевич Авдюшенко
Руководитель программы бакалавриата НоД (МААД) МКН СПбГУ и куратор Школы анализа данных Яндекса, кандидат физико-математических наук, выпускник ШАД. В прошлом — аналитик в Яндексе. Увлечён машинным обучением и обучением людей.