В первой части интенсива разберемся с тем, что представляет собой дисциплина машинное обучение (machine learning, ML), в том числе разберем:
- типовые задачи: обучение с учителем, обучение без учителя, обучение с подкреплением;
- наиболее популярные классы алгоритмов: регрессия, классификация, кластеризация;
- интуитивное понимание конкретных алгоритмов: от линейной регрессии до ансамблей деревьев и нейронных сетей.
Отдельно заострим свое внимание на кейсах успешного применения машинного обучения в различных сферах бизнеса и нашей жизни. В конце первой части проведем практикум по обучению модели машинной обучения на одной из облачных платформ.
Во второй части интенсива подробнее остановимся на нейросетевых алгоритмах, в том числе глубоких нейросетях (deep learning, DL). Рассмотрим:
- причины успеха нейронных сетей, типовые задачи и сферы их успешного применения;
- типы нейронных сетей: полносвязанные прямого распространения, сверочные, рекуррентные, состязательные нейросети и автоэнкодеры.
В конце лекции проведем практикум по обучению нейронной сети, использую популярный DL-фреймворк и одну из облачных платформ.
- Современный веб-браузер;
- Microsoft Account;
- Microsoft Azure Account: бесплатно по Azure Free или Azure Pass (другие способы);
- RStudio или Visual Studio 2017 (c Data Science Tools).