Machine Learning: Fundamentals and Applications

Про курс

Цей курс — частина програми EU магістратури Neoversity, спеціалізація Data Science & Data Analytics.

Ознайомитись з повною магістерською програмою Data Science & Data Analytics та дізнатись більше про онлайн-навчання для IT-фахівців можна тут.

Автор курсу

Володимир Голомб : : LinkedIn : : Medium : : GitHub

Зміст курсу

125 годин, 14 занять, 8 тижнів, 5 практичних ДЗ, 2 дослідницьких ДЗ, 1 фінальний проєкт (у форматі Kaggle змагання).

#	Модуль / Тиждень	#	Тема	URL
1	Машинне навчання і аналіз даних	1	Основні концепції машинного навчання
		2	Дослідницький аналіз даних (EDA)	практика
2	Алгоритми навчання з вчителем Ч.1	3	Лінійна регресія. Оцінка якості регресії	практика
		4	Вступ до прогнозування часових рядів	практика
3	Алгоритми навчання з вчителем Ч.2	5	Логістична регресія. Оцінка якості класифікації	практика
		6	Дерева рішень. Важливість ознак в моделі	практика
4	Алгоритми навчання з вчителем Ч.3	7	Байєсівська класифікація. Метод kNN	практика
		8	Метод опорних векторів (SVM)	практика
5	Підходи до покращення якості	9	Методи ансамблювання моделей	практика
		10	Вступ до генерації ознак. Відбір ознак	практика
6	Алгоритми навчання без вчителя	11	Зменшення розмірності даних. Метод PCA	практика
		12	Метод k-means. Ієрархічний кластерний аналіз	практика
7	Організація потоку робочих процесів	13	Вступ до побудови ML-конвеєрів. Крос-валідація	практика
		14	Вступ до MLOps. Підбір гіперпараметрів моделі	практика

Матриця знань/навичок

Налаштування середовища

# Python Version: 3.11.9
conda env create -f requirements_conda.yml
# alternative
# pip install -r requirements_pip.txt