Машинное обучение. Рекомендательные системы

Научитесь проверять данные на полноту, целостность, валидность, наличие шумов, ошибок и пропусков. Узнаете, как очищать данные с помощью NumPy и pandas, как сокращать размерности данных алгоритмами PCA, LDA, NMF. Научитесь строить деревья решений и модели логистической, линейной и полиномиальной регрессии. Узнаете, как использовать Random Forest в задачах классификации. Научитесь строить простые полносвязанные сети уровня LeNet и AlexNet и экспериментировать с их обучением. Получите теоретическую и практическую базу для использования НС в блоках CV и NLP. Научитесь строить персонализированные и неперсонализированные рекомендательные системы, а также комбинировать их.

Часов в программе

48,00 часов

лекции

57,00 часов

практика

4,00 часа

промежуточная аттестация

109,00 часов

всего

Материально-технические условия реализации программы:

Вид занятий: Видеолекции
Требуемое ПО:
MS Office, Google Docs

Информационные ресуры

ResNet (34, 50, 101): «остаточные» CNN для классификации изображений: https://neurohive.io/ru/vidy-nejrosetej/resnet-34-50-101/
Обработка естественного языка (NLP): https://www.helenkapatsa.ru/obrabotka-iestiestviennogho-iazyka/

Образовательные ресуры

Ресурсы LMS ООО «Нетология»

Учебно-методические материалы

Методы, формы и технологии

Видеолекции
Лонгриды
Скринкасты
Презентации
Вебинары
Практические задания
Ресурсы LMS ООО «Нетология»

Методические разработки

Кейсы
Шаблоны
Чек-листы
Глоссарий

Материалы курса

Шаблоны, чек-листы
Презентации
Лонгриды

Учебная литература

Андреева, А. Д. Обзор систем машинного перевода / А. Д.Андреева, И. Л. Меньшиков, А. А. Мокрушин. // Молодой ученый. 2013 –№12 (59). – С. 64-66.
Афанасьев В.Н., Юзбашев М.М. Анализ временных прогнозирование — М.: Финансы и статистика, 2001 — 228 с.
Большакова Е.И. Автоматическая обработка текстов на естественном языке и анализ данных: учебное пособие / Большакова Е.И., Воронцов К.В., Ефремова Н.Э, и др. // М.: Изд-во НИУ ВШЭ, 2017 – 269 с.

Темы

Машинное обучение Введение в нейронные сети Рекомендательные системы

Лекции
28,00ч

Практические занятия
42,00ч

Всего
70,00ч

Промежуточная аттестация 4,00 часа

Промежуточная аттестация по модулю предполагает выполнение слушателем индивидуального практического задания.