Proqram

Maşın Öyrənmə

Maşın öyrənməsi və onun metodlarının köməyi ilə, Siz sinir şəbəkələrinizi (neural networks) məşq etdirə bilərsiniz. Marketinq, FinTech, böhran idarəetməsi, risklərin idarə edilməsi, təhlükəsizlik, tibb, robototexnika və s. kimi maşın öyrənmə tətbiqlərinin sahələri müxtəlifdir. Bunlar çox populyardır və onların hər birinə böyük tələbat var. Maşın öyrənməsinin məlumat analizinin ən çətin sahəsi olması barədə geniş yayılmış stereotip isə yalnız bir mifdir. Kursumuz, süni intellekt əsaslarını mənimsəməyinizə, yaddaşınızdakı riyazi çərçivəni yeniləməyinizə və sinir şəbəkələri ilə işləmək üçün tam bir vasitə dəstinin təminatına kömək göstərəcək.

Proqrama qeydiyyat aktiv deyil
Başlanğıc

-

Müddət

2.5 ay / 120 saat

Qrup

25 nəfər

Tədris qrafiki

I, III 18:30 - 21:30

Qəbul şərtləri
Gözlənti

İntensiv tədrisə hazırlıq

Dil biliyi

Minimum intermediate səviyyəsində ingilis dili biliyi

Tələb

Python haqqında əsas məlumat; Ali təhsil səviyyəsində əsas statistika, riyaziyyat bilikləri

Yaş həddi

18 yaş və yuxarı

Kurs tələbələrə bunları qazandıracaq:

Əsas maşın öyrənmə alqoritmlərini (reqressiya, qərar ağacı (decision tree), təkan) bilmək və istifadə etmək

Tapşırığa və modelə uyğun alqoritmlərdən istifadə edə bilmək

Layihəni təhlil etmək və onu addım-addım təhlil etmək

Məlumatların əvvəlcədən işlənməsini və məlumatların təsdiqlənməsini həyata keçirmək

Modelin performans göstəricilərini bilmək: Dəqiqlik, Düzgünlük, Geri çağırma və s.

Nəzarətsiz öyrənmə və bəlli nümunələrlə dərin öyrənməyi başa düşmək və tətbiq etmək

Proqram

Maşın Öyrənmə
3

Modul sayı

  • Ehtimal (Məlumat paylaşımının nəzərdən keçirilməsi), Bayes statistikası

  • Matris hesabı (Matrisdən törəmə almaq)

  • Matrix ayrılma texnikaları (SVD, LR)

  • Səmərəli matris əməliyyatları, yayım, vektorlaşdırma ilə riyaziyyat əməliyyatları

  • KDE

  • Q-Q Plots

  • Maşın öyrənmə layihəsində ümumi mərhələlər

  • Problemin Tərifi

  • Tədqiqat

  • Məlumatların Toplanması / Mədənçilik / Scraping (sıyırma)

  • Məlumatların Hazırlanması / Hazırlığa qədərki mərhələ

  • Modelləşdirmə

  • Qiymətləndirmə

  • Yerləşdirmə

  • Məlumatların əvvəlcədən emalı

  • Data İdxal (pandas, numpy)

  • Eksik dəyərlərlə işləmək

  • Kategorik məlumatların kodlanması

  • Daha aşikar

  • Tarix/zaman məlumatlarının işlənməsi (vaxt seriyası)

  • Dataset bölmə

  • Çapraz Qiymətləndirmə (Uyğunlaşma, Yaraşmayan)

  • Xüsusiyyət Ölçüsü: standartlaşdırma, normallaşma

  • PCA + nəzəriyyəsi

  • Qarışıqlıq Matrisası və Model Performans ölçümləri

  • Xatırlama/geri çağırış

  • Düzgünlük

  • Dəqiqlik

  • Kök orta kvadrat xətası

  • F1 hesabı

  • ROC AUC

  • qarışıqlıq matrisi

  • Cini əmsalı

Reqressiya Alqoritmləri (Matrix işarəsi ilə):

  • Xətti reqressiya + nəzəriyyə

  • Lojistik reqressiya + nəzəriyyə

  • Reqlamentləşdirmə üsulları (Lasso, Ridge)

  • Knn

Qərar Ağacı (Decision tree) Alqoritmləri:

  • SƏBƏT + Nəzəriyyə

  • Torbalama və artırma + nəzəriyyəsi

  • Təsadüfi Meşə + nəzəriyyəsi

Alqoritmləri artırmaq:

  • AdaBoost

  • XGBoost + nəzəriyyəsi

  • LightGBM

  • CatBoost

  • Sinir Şəbəkələri

  • Sinir Şəbəkələri, geri yayılma və irəli yayılma (tək qatlı qavrayış)

  • Çox qatlı qavrayış

  • Maliyyət funksiyaları

  • Aktivləşdirmə funksiyaları

  • Optimizasiya metodları (Hiper parametrlər, Qradiyent enmə və s.)

  • Qradiyent enmə

  • Stokastik Qradiyent Eniş

  • Hiperparametr optimallaşdırması

  • Şəbəkə axtarışı

  • Təsadüfi axtarış

  • Bayes optimallaşdırması

  • Balanssız təsnifat

  • ROC əyri və eşik seçimi

  • KÜÇÜK (Həddindən artıq nümunə götürmə)

  • Miss-Miss (Nümunə götürmə)

  • Model izahlılığı

  • İcazə əhəmiyyəti

  • Qismən asılılıq planları

  • SHAP dəyərləri

Nəzarət olunmayan öyrənmə:

  • K_Küməlləmə deməkdir + Nəzəriyyə

  • Klaster qiymətləndirmə ölçümləri

  • Ölçü azaldılması (məsələn, t-SNE, UMAP)

  • Keras modellərini qeyd etmək və yükləmək

  • Əvvəlcədən işlənmiş təbəqələrlə iş

  • Modelin qatları ilə iş

  • Buraxmaq/çıxmaq, çəki başlatma

  • Optimizasiya alqoritmləri (Mini partiyalı qradiyent enmə, Momentum, RMSProp, Adam)

  • Toplu normallaşdırma

  • CNN (Konvolusional Sinir Şəbəkəsi)

  • Töhvələr

  • Hovuz

  • Bütünlüklə əlaqə

  • RNN (Təkrarlanan Sinir Şəbəkələri)

  • RNN

  • LSTM

  • GRU

  • NLP

  • Klassik metodlara ümumi baxış (dil modeli, tf-idf vektorlaşdırma)

  • Söz yerləşdirmələri, CBOW və skip qram metodları, word2vec