Machine Learning. Продвинутый курс

Онлайн-курс по Machine Learning. Продвинутый курс от онлайн-школы OTUS. После прохождения курса, у лучших студентов, появится возможность устроиться на работу в компанию-партнер онлайн-школы Отус. Программа обучения на курсах включается в себя углубленное изучение материалов уровня middle и senior.

Программа курса

Advanced Machine Learning. Практика Kaggle. AutoML

• Практическое занятие Kaggle – пайплайн работы с задачей регрессии
• Advanced Data Preprocessing. Categorical Encodings
• Практическое занятие Kaggle – пайплайн работы с задачей классификации
• Практическое занятие Kaggle – пайплайн работы с задачей кластеризации
• Featuretools – а вы что, за меня и признаки придумывать будете?
• H2O – а вы что, за меня и модели строить будете?
• TPOT – а вы что, за меня и пайплайны готовить будете?

Production

• Production Code проекта на примере задачи классификации/регрессии, Virtual environments, dependency management, pypi/gemfury
• Практическое занятие – Оптимизация кода, parallelization, multiprocessing, ускорение pandas, Modin для Pandas
• Практическое занятие – Построение end-to-end пайплайнов и сериализация моделей
• Data Engineering: Flask, REST API, Docker. Локальный packaging моделей
• Практическое занятие по работе в проде: деплой докера в AWS

Временные ряды

• Извлечение признаков. Fourier и Wavelet transformation, Automatic Feature generation – tsfresh
• Unsupervised подходы: Кластеризация временных рядов
• Unsupervised подходы: Сегментация временных рядов

Рекомендательные системы. Задача ранжирования

• Рекомендательные системы 1. Explicit feedback
• Рекомендательные системы 2. Implicit feedback
• Задача ранжирования – Learning to rank
• Практическое занятие по рекомендательным системам. Surpsise!

Графы

• Введение в графы: основные понятия. NetworkX, Stellar
• Анализ графов и интерпретация. Community Detection
• Link Prediction и Node Classification
• Практическое занятие: Хейтеры в Twitter

Bayesian Learning, PyMC

• Введение в вероятностное моделирование, апостериорные оценки, сэмплирование
• Markov Chain Monte-Carlo (MCMC), Metropolis–Hastings
• Байесовское АB тестирование
• Generalized linear model (GLM) – байесовские регрессии, вывод апостериорных оценок коэффициентов
• Практическое занятие по GLM: биомедицинские кейсы
• Байесовская логит-регрессия
• Практическое занятие по логит-регрессии: пример применения модели в медицине

Reinforcement Learning

• Введение в обучение с подкреплением
• Multi-armed bandits для оптимизации AB тестирования, от теории – сразу в бой
• Практическое занятие: Multi-armed bandits в ecommerce: search оптимизация
• Markov Decision Process, Value function, Bellman equation
• Value iteration, Policy iteration
• Практическое занятие: медицинский кейс Markov Chain Monte Carlo
• Temporal Difference (TD) и Q-learning
• SARSA и Практическое занятие: финансовый кейс TD и Q-learning

Проектная работа

• Консультация по проекту, выбор темы
• Бонус: Поиск Data Science работы
• Защита проектных работ