Интесив по технологиям машинного обучения в облаке Microsoft Azure
Цель курса: дать представление о дисциплинах Машинное обучение (Machine Learning) и Глубокое обучение (Deep Learning), а также познакомить слушателей с сервисами машинного обучения в облаке Microsoft Azure.
Темы занятия:
- Основная терминология, область применения и актуальность
- Типовые ML задачи: обучение с учителем, обучение без учителя, обучение с подкреплением
- Классы алгоритмов: регрессия, классификация, кластеризация
- Интуитивное понимание алгоритмов: от линейной регрессии до нейронных сетей.
Материалы лекции:
Дополнительные материалы по теме:
- Курс Машинное обучение, Stanford University
- Курс Введение в машинное обучение, ВЭШ и ШАД Яндекс.
Темы занятия:
- Data Science инструменты в Azure: основные языки программирования, ML-фреймворки и облачные сервисы.
- Выбираем ML-сервис для конкретной задачи
Материалы лекции:
- Презентация
- Видеоурок Введение в Azure AI Platform.
Дополнительные материалы по теме:
Темы занятия:
- Обзор сервиса Azure ML Studio
- Получение и трансформация данных в Azure ML Web Studio
- ML-алгоритмы, обучение и оценка моделей в Azure ML Web Studio
- Azure Notebooks: интерактивное приложение для анализа и разработки ML-моделей.
Практическая работа:
- Cоздание Azure Machine Learning workspace
- Первые шаги в Azure ML Studio:
- Задача классификации диабета в Azure ML Web Studio
- Задача классификации онкологических заболеваний в Azure Notebooks
- Продвинутые техники работы с Azure ML Studio:
- Семантический анализ твитов в Azure ML Web Studio
- Создание REST сервиса анализа твитов в Azure ML Web Services.
Материалы лекции:
- Презентация
- Видеоурок Начало работы в Azure ML Studio.
Дополнительные материалы по теме:
- Azure Machine Learning documentation
- Machine Learning Algorithm Cheat Sheet
- Лекция в ВШЭ/МАМИ по Azure Machine Learning
- Хакатон по машинному обучению: Прийти. Обучить модель. Победить!
- Machine Learning Studio pricing.
Темы занятия:
- Современный этап развития нейронных сетей
- Типы нейронных сетей:
- Полносвязанные сети прямого распространения (FNN)
- Сверочные нейронные сети (CNN)
- Рекуррентные нейронные сети (RNN)
- Состязательные нейронные сети (GAN).
Материалы лекции:
Дополнительные материалы по теме:
- Курсы по специализации Deep Learning, Andrew Ng, et al.
- Deep Learning Book, Ian Goodfellow, et al.
Темы занятия:
- Виртуальные машины для обучения ML-моделей: IaaS для ML и типы образов VM для Data Science
- Automated ML: обзор, популярные фреймворки, Auto ML в Azure.
Практическая работа:
- Развертывание Azure Deep Learning VM
- Практикум по компьютерному зрению:
Материалы лекции:
Дополнительные материалы по теме:
Темы занятия:
- DevOps для Data Science
- Наборы данных:
- Поиск решений community:
- AI list on arxiv.org
- datascience.stackexchange.com
- github.com
- DS-cоревнования
Материалы лекции:
Участвуем в соревновании Kaggle:
- Регистрация на Kaggle
- Выбор kernel'a и запуск обучения модели в облаке Azure.
- Современный веб-браузер;
- Microsoft Account.
- Знание Python или R
- Учетная запись в Azure.