556
правок
Изменения
Перейти к навигации
Перейти к поиску
Анализ данных и машинное обучение (просмотреть исходный код)
Версия 23:38, 23 марта 2020
, 23:38, 23 марта 2020→Применения ML
==Применения ML==
<!-- ****************************** -->
<!-- Table Format - do not touch -->
{| class="a" style="width:100%;" border="1" style="width:100%; border-collapse:collapse"|+
<!-- Table name -->
'''Применения ML'''
<!-- Table headers - do not touch -->
! style="background: #EAECF0;"| Название курса||style="background: #EAECF0;"|Источник / Организация||style="background: #EAECF0;"|Источник||style="background: #EAECF0;"|Длина курса
<!-- ****************************** -->
<!-- Course 1 -->
|-
|
<!-- Course format do not touch -->
{| role="presentation" class="a mw-collapsible mw-collapsed" style="border:1px solid white;"
| style="border:1px solid white;"|<strong>[https://stepik.org/course/50352/promo Нейронные сети и компьютерное зрение]</strong>
|-
<!-- Course content format do not touch -->
| style="border:1px solid white;"|
<!-- Course content -->
'''Нейрон и нейронная сеть'''
* Математическая модель нейрона
* Булевы операции в виде нейронов
* От нейрона к нейронной сети
* Семинар: Базовая работа в PyTorch
'''Строим первую нейронную сеть'''
* Восстановление зависимости нейронной сетью
* Компоненты нейронной сети
* Алгоритм настройки нейронной сети
* Графы вычислений и BackProp
* Восстановление зависимостей
* Реализация градиентного спуска
'''Задачи, решаемые при помощи нейросетей'''
* Бинарная классификация? Бинарная кросс-энтропия!
* Многоклассовая классификация? Софтмакс!
* Локализация, детекция, сегментация и super-resolution
* Функции потерь
'''Методы оптимизации'''
* Самый обычный градиентный спуск
* Модификации градиентного спуска
* Теоретические задачи: Понимаем SGD с momentum
* Классификация рукописных чисел полносвязанной сетью
'''Сверточные нейронные сети'''
* Свёртка, каскад свёрток
* Семинар: Реализация сверточного слоя
* Собери их все: архитектура LeNet (1998)
* Собери их все: AlexNet (2012) и VGG (2014)
* Собери их все: GoogLeNet и ResNet (2015)
'''Регуляризация и нормализация'''
* Ударим дропаутом по переобучению!
* И целой вечности мало? Батч-нормализация!
* Семинар: cлой нормализации
* Семинар: Решаем задачу классификации на датасете CIFAR
'''Метод максимального правдоподобия'''
* Метод максимального правдоподобия
* Transfer learning на примере соревнования на Kaggle
|}
<!-- Formating do not touch -->
|style="text-align:center;"|
[[Stepik]] / [[Samsung research]]
|style="text-align:center;"|
[[Материалы для старшей школы и студентов| Старшая школа и студенты]]
|style="text-align:center;"|
7 часов видео, 200 тестов
<!-- ****************************** -->
<!-- Course 2 -->
|-
|
<!-- Course format do not touch -->
{| role="presentation" class="a mw-collapsible mw-collapsed" style="border:1px solid white;"
| style="border:1px solid white;"|<strong>[https://stepik.org/course/54098/promo Нейронные сети и обработка текста]</strong>
|-
<!-- Course content format do not touch -->
| style="border:1px solid white;"|
<!-- Course content -->
'''Введение'''
* Естественный язык и текст, особенности обработки естественных языков
* В общих чертах: лингвистический анализ, извлечение признаков
* Прикладные задачи обработки текста и итоги
'''Векторная модель текста и классификация длинных текстов'''
* Векторная модель текста и TF-IDF
* Создаём нейросеть для работы с текстом
* Семинар: классификация новостных текстов
'''Базовые нейросетевые методы работы с текстами'''
* Общий алгоритм работы с текстами с помощью нейросетей
* Дистрибутивная семантика и векторные представления слов
* Семинар: рецепты еды и Word2Vec на PyTorch
* Основные виды нейросетевых моделей для обработки текстов
* Свёрточные нейросети для обработки текстов
* Семинар: POS-тэггинг свёрточными нейросетями
'''Языковые модели и генерация текста'''
* Рекуррентные нейросети
* Моделирование языка
* Семинар: генерация имён и лозунгов с помощью RNN
* Агрегация, механизм внимания
* Transformer и self-attention
'''Преобразование последовательностей 1-k-1 и N-k-M'''
* Распознавание плоской структуры коротких текстов
* Семинар: распознавание структуры рецептов
* Семинар: аспектный сентимент-анализ как NER
* Преобразование последовательностей (seq2seq)
* Семинар: генерация кода со Stack Overflow
'''Transfer learning и адаптация моделей'''
* Контекстуализированные представления и перенос знаний
* Семинар: PyTorch-Transformers, или... как мне запустить BERT?
* Семинар: BERT для вопросно-ответного поиска
'''Финальное соревнование на kaggle и заключение'''
* Что ещё почитать, как развиваться
* Соревнование на Kaggle: обзор задачи и базового решения
|}
<!-- Formating do not touch -->
|style="text-align:center;"|
[[Stepik]] / [[Samsung research]]
|style="text-align:center;"|
[[Материалы для старшей школы и студентов| Старшая школа и студенты]]
|style="text-align:center;"|
9 часов видео, 200 тестов
<!-- ****************************** -->
<!-- Course 3 -->
|-
|
<!-- Course format do not touch -->
{| role="presentation" class="a mw-collapsible mw-collapsed" style="border:1px solid white;"
| style="border:1px solid white;"|<strong>[https://ru.coursera.org/learn/machinnoe-obuchenie-v-finansah Машинное обучение в финансах]</strong>
|-
<!-- Course content format do not touch -->
| style="border:1px solid white;"|
<!-- Course content -->
* Введение в машинное обучение
* Прогнозирование с помощью методов машинного обучения
* Трейдинг и оптимальное управление в финансах
* Natural Language Processing
* Применение методов машинного обучения в анализе процессов
* Прогнозирование макроэкономических показателей
|}
<!-- Formating do not touch -->
|style="text-align:center;"|
[[Coursera]] / [[Сбербанк]]
|style="text-align:center;"|
[[Материалы для старшей школы и студентов| Старшая школа и студенты]]
|style="text-align:center;"|
17 часов на выполнение
<!-- ****************************** -->
<!-- Table ending - do not touch -->
|}
<!-- ****************************** -->
