0
दृश्य
डेटा विज्ञान के लिए गणित और मशीन लर्निंग - पाठ्यक्रम RUB 50,040। स्किलफैक्ट्री से, प्रशिक्षण 5.5 महीने, दिनांक: 13 अगस्त, 2023।
अनेक वस्तुओं का संग्रह / / November 29, 2023
आप दुनिया में कहीं से भी पढ़ाई कर सकेंगे. नए मॉड्यूल सप्ताह में एक बार खोले जाएंगे। विशेष रूप से डिज़ाइन की गई सामग्री और अतिरिक्त सामग्री आपको विषय को समझने में मदद करेगी।
अभ्यास में तीन भाग होते हैं: सरल गणना अभ्यास करना; पायथन-आधारित अभ्यास करना; डेटा विश्लेषण, पूर्वानुमान और अनुकूलन के क्षेत्र में जीवन की समस्याओं को हल करना।
आप निजी स्लैक चैनलों में अपने साथी छात्रों के साथ लगातार संवाद करेंगे। यदि आपको कोई बात समझ में नहीं आ रही है या आप किसी कार्य का सामना नहीं कर पा रहे हैं, तो हम उसे समझने में आपकी सहायता करेंगे।
पाठ्यक्रम के अंत में, आपको एक विशेष कार्य दिया जाएगा जिसमें आप अपने द्वारा अर्जित सभी कौशलों को लागू करने में सक्षम होंगे और सामग्री के अपने सफल सीखने की पुष्टि करेंगे।
गणित पाठ्यक्रम कार्यक्रम
भाग 1 - रैखिक बीजगणित
- हम सदिशों और आव्यूहों के प्रकारों का अध्ययन करते हैं
- मैट्रिक्स पर ऑपरेशन करना सीखना
- मैट्रिक्स का उपयोग करके रैखिक निर्भरता का निर्धारण
- हम व्युत्क्रम, एकवचन और गैर-एकवचन आव्यूहों का अध्ययन करते हैं
- हम रैखिक समीकरणों, आइजन और सम्मिश्र संख्याओं की प्रणालियों का अध्ययन करते हैं
- मैट्रिक्स और एकवचन अपघटन में महारत हासिल करना
- मैट्रिक्स का उपयोग करके रैखिक निर्भरता समस्याओं को हल करना
- प्रमुख घटक विधि का उपयोग करके अनुकूलन करना
- रैखिक प्रतिगमन की गणितीय नींव को सुदृढ़ करना
भाग 2 - गणितीय विश्लेषण की मूल बातें
- हम एक और कई चर और डेरिवेटिव के कार्यों का अध्ययन करते हैं
- ग्रेडिएंट और ग्रेडिएंट डिसेंट की अवधारणा में महारत हासिल करना
- अनुकूलन समस्याओं में प्रशिक्षण
- हम लैग्रेंज मल्टीप्लायर विधि, न्यूटन की विधि और सिम्युलेटेड एनीलिंग का अध्ययन करते हैं
- हम व्युत्पन्न और संख्यात्मक अनुकूलन विधियों का उपयोग करके जीतने की रणनीति की भविष्यवाणी करने और खोजने की समस्याओं का समाधान करते हैं
- ग्रेडिएंट डिसेंट और सिम्युलेटेड एनीलिंग के पीछे के गणित को मजबूत करना
भाग 3 - संभाव्यता और सांख्यिकी के मूल सिद्धांत
- हम वर्णनात्मक और गणितीय सांख्यिकी की सामान्य अवधारणाओं का अध्ययन करते हैं
- कॉम्बिनेटरिक्स में महारत हासिल करना
- हम मुख्य प्रकार के वितरण और सहसंबंधों का अध्ययन करते हैं
- बेयस प्रमेय को समझना
- एक नाइव बेयस क्लासिफायर सीखना
- हम सांख्यिकी और संभाव्यता सिद्धांत का उपयोग करके कॉम्बिनेटरिक्स, वैधता और पूर्वानुमान की समस्याओं को हल करते हैं
- हम वर्गीकरण और लॉजिस्टिक रिग्रेशन की गणितीय नींव को समेकित करते हैं
भाग 4 - समय श्रृंखला और अन्य गणितीय विधियाँ
- समय श्रृंखला विश्लेषण का परिचय
- अधिक जटिल प्रकार के प्रतिगमन में महारत हासिल करना
- समय श्रृंखला का उपयोग करके बजट का पूर्वानुमान लगाना
- क्लासिक मशीन लर्निंग मॉडल की गणितीय नींव को मजबूत करना
मशीन लर्निंग पर संक्षिप्त पाठ्यक्रम कार्यक्रम
प्रशिक्षण के दौरान शिक्षक की सहायता
मॉड्यूल 1 - मशीन लर्निंग का परिचय
हम मशीन लर्निंग के मुख्य कार्यों और तरीकों से परिचित होते हैं, व्यावहारिक मामलों का अध्ययन करते हैं और एमएल प्रोजेक्ट पर काम करने के लिए बुनियादी एल्गोरिदम लागू करते हैं
हम विषय को सुदृढ़ करने के लिए 50+ समस्याओं का समाधान करते हैं
मॉड्यूल 2 - डेटा प्रीप्रोसेसिंग तरीके
हम डेटा प्रकारों का अध्ययन करते हैं, डेटा को साफ और समृद्ध करना सीखते हैं, प्रीप्रोसेसिंग के लिए विज़ुअलाइज़ेशन का उपयोग करते हैं और फीचर इंजीनियरिंग में महारत हासिल करते हैं
हम विषय को सुदृढ़ करने के लिए 60+ समस्याओं का समाधान करते हैं
मॉड्यूल 3 - प्रतिगमन
हम रैखिक और लॉजिस्टिक प्रतिगमन में महारत हासिल करते हैं, प्रयोज्यता, विश्लेषणात्मक अनुमान और नियमितीकरण की सीमाओं का अध्ययन करते हैं। प्रशिक्षण प्रतिगमन मॉडल
हम विषय को सुदृढ़ करने के लिए 40+ समस्याओं का समाधान करते हैं
मॉड्यूल 4 - क्लस्टरिंग
हम शिक्षक के बिना सीखने में महारत हासिल करते हैं, इसकी विभिन्न विधियों का अभ्यास करते हैं, एमएल का उपयोग करके पाठ के साथ काम करते हैं
हम विषय को सुदृढ़ करने के लिए 50+ समस्याओं का समाधान करते हैं
मॉड्यूल 5 - वृक्ष-आधारित एल्गोरिदम: पेड़ों से परिचय
आइए निर्णय वृक्षों और उनके गुणों से परिचित हों, स्केलेरन लाइब्रेरी से वृक्षों में महारत हासिल करें और प्रतिगमन समस्या को हल करने के लिए वृक्षों का उपयोग करें
हम विषय को सुदृढ़ करने के लिए 40+ समस्याओं का समाधान करते हैं
मॉड्यूल 6 - वृक्ष-आधारित एल्गोरिदम: समूह
हम वृक्ष समुच्चय की विशेषताओं का अध्ययन करते हैं, बढ़ावा देने का अभ्यास करते हैं, लॉजिस्टिक रिग्रेशन बनाने के लिए समुच्चय का उपयोग करते हैं
हम विषय को सुदृढ़ करने के लिए 40+ समस्याओं का समाधान करते हैं
हम वृक्ष-आधारित मॉडल के प्रशिक्षण के लिए कागल पर एक प्रतियोगिता में भाग ले रहे हैं
मॉड्यूल 7 - एल्गोरिदम की गुणवत्ता का आकलन
हम नमूना विभाजन, अंडर- और ओवरफिटिंग के सिद्धांतों का अध्ययन करते हैं, विभिन्न गुणवत्ता मेट्रिक्स का उपयोग करके मॉडल का मूल्यांकन करते हैं, सीखने की प्रक्रिया की कल्पना करना सीखते हैं
कई एमएल मॉडल की गुणवत्ता का मूल्यांकन
हम विषय को सुदृढ़ करने के लिए 40+ समस्याओं का समाधान करते हैं
मॉड्यूल 8 - मशीन लर्निंग में समय श्रृंखला
आइए एमएल में समय श्रृंखला विश्लेषण, मास्टर रैखिक मॉडल और एक्सजीबूस्ट से परिचित हों, क्रॉस-सत्यापन और पैरामीटर चयन के सिद्धांतों का अध्ययन करें
हम विषय को सुदृढ़ करने के लिए 50+ समस्याओं का समाधान करते हैं
मॉड्यूल 9 - अनुशंसा प्रणाली
हम अनुशंसा प्रणाली के निर्माण के तरीकों का अध्ययन करते हैं, एसवीडी एल्गोरिदम में महारत हासिल करते हैं, प्रशिक्षित मॉडल की सिफारिशों की गुणवत्ता का मूल्यांकन करते हैं
हम विषय को सुदृढ़ करने के लिए 50+ समस्याओं का समाधान करते हैं
मॉड्यूल 10 - अंतिम हैकथॉन
हम कागल पर मॉडल भविष्यवाणियों की अधिकतम सटीकता प्राप्त करने के लिए सभी अध्ययन किए गए तरीकों को लागू करते हैं
सदस्यता लें