Машинное обучение для работы с геоданными

Программа курса

Ознакомьтесь с программой курса Машинное обучение для работы с геоданными от Центр геотехнологий Картетика - cartetika.ru

1. Пройдете общую идею ML, разницу обучения с учителем и без учителя, классификации, регрессию, кластеризацию. Узнаете, что такое понижение размерности, признаки, целевые переменные и какие бывают ошибки
2. Изучите категориальные, десятичные и целочисленные переменные, табличные данные. Узнаете, что такое нормализация и стандартизация данных, пропуски, one-hot encoding. Научитесь выделять обучающую и тестовую выборки и делать кросс-валидацию
3. Посмотрите на примеры задач, метрики расстояния и алгоритмы k-Means, DBScan, PCA
4. Разберете линейную и логистическую регрессию, узнаете потери классификации и регрессии, что такое оптимизация, градиентный спуск и метрики производительности (R2, F1, точность, полнота)
5. Разберете, что такое нейроны, перцептрон, функции активации, оптимизацию, градиентный спуск, обратное распространение ошибки и само обучение
6. Изучите деревья классификации, деревья регрессии, энтропию, критерий Джини, случайный лес, бэггинг, бустинг

Чему вы научитесь

• Сможете правильно сформулировать задачу и выбрать подходящую модель.
  
• Получите практические навыки программирования для решения прикладных задач.
  
• Научитесь обучать модели машинного обучения и применять их в конкретных задачах на языке программирования Python
  
• Добавите к знакомым библиотекам новые: pytorch, xgboost, sklearn, catboost. В любом data science проекте будет фигурировать хотя бы одна из них