Курс „Machine Learning“

Дата:

27 авг. - 21 окт. 2018, понеделник - неделя

Час:

18:30

Достъп:

Такса участие

Място:

Софтуерен университет (СофтУни), зала Knowledge, София

За контакти:

E-Mail

Организатори:

Software University

За събитието

Машинното (само)обучение (machine learning) е пресечната точка на програмирането с математическите и научните методи. То представлява науката за това как да накараме компютрите да дават решения без да бъдат специално програмирани преди това. Благодарение на него живеем в свят, излязъл сякаш от научната фантастика: уебсайт разпознава емоциите на хората, машинният превод става все по-добър, разработват се самоуправляващи се автомобили, предлагат ни реклами, базирани на собствените ни желания и потребности. Списъкът е дълъг и се разширява все повече.
От малкия скрипт, който предупреждава, че твърд диск предстои да изгори, до алгоритмите, които променят света, машинното обучение придобива все по-голяма популярност и дава все по-добри резултати.
В този курс ще се запознаем с основите, благодарение на които работят всички алгоритми за машинно обучение. Ще разгледаме основните типове задачи, до които можем да сведем всеки реален проблем (като регресия и класификация). За всяка задача ще се запознаем с няколко алгоритъма, които я решават, а за всеки алгоритъм ще разберем кога се използва, как се обучава и тества.
Стъпка по стъпка ще преминем през цялостния процес – от събирането на данните до финалния проект, предоставящ цялостно решение.
По време на курса ще решаваме редица практически задачи, използвайки езика Python – един от най-популярните езици за целите на науката и работата с данни.

УМЕНИЯ, КОИТО ЩЕ ПРИДОБИЕШ

  • Умения за изследване на проблеми и предлагане на решения
  • Познания за цялостния процес – от формулирането на задачата до завършения проект
  • Създаване на модели, които решават задачи от практиката
  • Основни принципи на machine learning
  • Разбиране за това по какъв начин работят алгоритмите, как се тестват и дебъгват
  • Приложение на machine learning за лични и професионални цели
  • Previous
  • Разбиране за това по какъв начин работят алгоритмите, как се тестват и дебъгват
  • Приложение на machine learning за лични и професионални цели
  • Умения за изследване на проблеми и предлагане на решения
  • Познания за цялостния процес – от формулирането на задачата до завършения проект
  • Създаване на модели, които решават задачи от практиката
  • Основни принципи на machine learning
  • Разбиране за това по какъв начин работят алгоритмите, как се тестват и дебъгват
  • Приложение на machine learning за лични и професионални цели
  • Умения за изследване на проблеми и предлагане на решения
  • Познания за цялостния процес – от формулирането на задачата до завършения проект
  • Next

ТЕМИ

1 RESOURCES
2 INTRODUCTION TO MACHINE LEARNING
3 LINEAR AND LOGISTIC REGRESSION
4 MODEL TRAINING AND IMPROVEMENT
5 TREE AND ENSEMBLE METHODS
6 SUPPORT VECTOR MACHINES
7 CLUSTERING
8 DIMENSIONALITY REDUCTION
9 INTRODUCTION TO NEURAL NETWORKS
10 EXAM