الرياضيات والتعلم الآلي لعلوم البيانات - دورة RUB 50,040. من SkillFactory، تدريب لمدة 5.5 أشهر، التاريخ: 13 أغسطس 2023.
Miscellanea / / November 29, 2023
ستتمكن من الدراسة من أي مكان في العالم. سيتم فتح وحدات جديدة مرة واحدة في الأسبوع. سيساعدك المحتوى المصمم خصيصًا والمواد الإضافية على فهم الموضوع.
تتكون الممارسة من ثلاثة أجزاء: إجراء تمارين حسابية بسيطة؛ وأداء التمارين المبنية على لغة بايثون؛ حل مشاكل الحياة في مجال تحليل البيانات والتنبؤ بها وتحسينها.
سوف تتواصل باستمرار مع زملائك الطلاب في قنوات Slack الخاصة. إذا كنت لا تفهم شيئًا ما أو لا تستطيع التعامل مع مهمة ما، فسنساعدك على اكتشاف ذلك.
في نهاية الدورة، سيتم تكليفك بمهمة خاصة ستتمكن من خلالها من تطبيق جميع المهارات التي اكتسبتها وتأكيد تعلمك الناجح للمادة.
برنامج دورة الرياضيات
الجزء 1 - الجبر الخطي
- ندرس المتجهات وأنواع المصفوفات
- تعلم إجراء العمليات على المصفوفات
- تحديد الاعتماد الخطي باستخدام المصفوفات
- نحن ندرس المصفوفات العكسية والمفردة وغير المفردة
- نحن ندرس أنظمة المعادلات الخطية والأعداد الذاتية والأعداد المركبة
- إتقان المصفوفة والتحلل المفرد
- حل مسائل الاعتماد الخطي باستخدام المصفوفات
- التحسين باستخدام طريقة المكون الرئيسي
- تعزيز الأسس الرياضية للانحدار الخطي
الجزء 2 - أساسيات التحليل الرياضي
- نحن ندرس وظائف واحد والعديد من المتغيرات والمشتقات
- إتقان مفهوم التدرج والنسب المتدرج
- التدريب على مشاكل التحسين
- قمنا بدراسة طريقة مضاعف لاغرانج وطريقة نيوتن ومحاكاة التلدين
- نحن نحل مشاكل التنبؤ والبحث عن استراتيجية رابحة باستخدام طرق التحسين المشتقة والعددية
- تعزيز الرياضيات وراء نزول التدرج ومحاكاة التلدين
الجزء 3 - أساسيات الاحتمالات والإحصاء
- ندرس المفاهيم العامة للإحصاء الوصفي والرياضي
- إتقان التوافقيات
- نحن ندرس الأنواع الرئيسية للتوزيعات والارتباطات
- فهم نظرية بايز
- تعلم مصنف Naive Bayes
- نحن نحل مشاكل التوافقيات والصلاحية والتنبؤ باستخدام الإحصاء ونظرية الاحتمالات
- نحن نعزز الأسس الرياضية للتصنيف والانحدار اللوجستي
الجزء 4 - السلاسل الزمنية والأساليب الرياضية الأخرى
- تقديم تحليل السلاسل الزمنية
- إتقان أنواع أكثر تعقيدا من الانحدارات
- التنبؤ بالميزانية باستخدام السلاسل الزمنية
- تعزيز الأسس الرياضية لنماذج التعلم الآلي الكلاسيكية
برنامج دورة موجزة عن التعلم الآلي
مساعدة المعلم أثناء التدريب
الوحدة 1 - مقدمة في التعلم الآلي
نتعرف على المهام والأساليب الرئيسية للتعلم الآلي ودراسة الحالات العملية وتطبيق الخوارزمية الأساسية للعمل في مشروع ML
نحن نحل أكثر من 50 مشكلة لتعزيز الموضوع
الوحدة 2 - طرق المعالجة المسبقة للبيانات
نحن ندرس أنواع البيانات، ونتعلم كيفية تنظيف البيانات وإثرائها، واستخدام التصور للمعالجة المسبقة وهندسة الميزات الرئيسية
نحن نحل أكثر من 60 مشكلة لتعزيز الموضوع
الوحدة 3 - الانحدار
نحن نتقن الانحدار الخطي واللوجستي، وندرس حدود قابلية التطبيق والاستدلال التحليلي والتنظيم. نماذج الانحدار التدريبي
نحن نحل أكثر من 40 مشكلة لتعزيز الموضوع
الوحدة 4 - التجميع
نحن نتقن التعلم بدون معلم، ونمارس أساليبه المختلفة، ونتعامل مع النصوص باستخدام ML
نحن نحل أكثر من 50 مشكلة لتعزيز الموضوع
الوحدة 5 - الخوارزميات المبنية على الأشجار: مقدمة للأشجار
دعونا نتعرف على أشجار القرار وخصائصها، ونتقن الأشجار من مكتبة sklearn ونستخدم الأشجار لحل مشكلة الانحدار
نحن نحل أكثر من 40 مشكلة لتعزيز الموضوع
الوحدة 6 - الخوارزميات المبنية على الأشجار: المجموعات
ندرس ميزات مجموعات الأشجار ونتدرب على التعزيز ونستخدم المجموعة لبناء الانحدار اللوجستي
نحن نحل أكثر من 40 مشكلة لتعزيز الموضوع
نحن نشارك في مسابقة على kaggle لتدريب نموذج قائم على الشجرة
الوحدة 7 - تقييم جودة الخوارزميات
نحن ندرس مبادئ تقسيم العينات، والنقص والتركيب الزائد، وتقييم النماذج باستخدام مقاييس الجودة المختلفة، وتعلم كيفية تصور عملية التعلم
تقييم جودة العديد من نماذج تعلم الآلة
نحن نحل أكثر من 40 مشكلة لتعزيز الموضوع
الوحدة 8 - السلاسل الزمنية في التعلم الآلي
دعونا نتعرف على تحليل السلاسل الزمنية في ML، والنماذج الخطية الرئيسية وXGBoost، ودراسة مبادئ التحقق من الصحة واختيار المعلمات
نحن نحل أكثر من 50 مشكلة لتعزيز الموضوع
الوحدة 9 - أنظمة التوصية
نحن ندرس طرق بناء أنظمة التوصية، ونتقن خوارزمية SVD، ونقيم جودة توصيات النموذج المُدرب
نحن نحل أكثر من 50 مشكلة لتعزيز الموضوع
الوحدة 10 - الهاكاثون النهائي
نحن نطبق جميع الطرق المدروسة للحصول على أقصى قدر من الدقة لتنبؤات النماذج على Kaggle