डेटा साइंस - स्कूल ऑफ डेटा एनालिसिस से निःशुल्क पाठ्यक्रम, प्रशिक्षण 4 सेमेस्टर, दिनांक 2 दिसंबर, 2023।
अनेक वस्तुओं का संग्रह / / December 05, 2023
उन लोगों के लिए जो डेटा विश्लेषण का उपयोग करके समस्याएं उत्पन्न करना चाहते हैं, समाधान प्रस्तावित करते हैं और न केवल सिंथेटिक प्रयोग में, बल्कि वास्तविक परिस्थितियों में भी उनकी प्रभावशीलता का मूल्यांकन करते हैं।
सांख्यिकी, मशीन लर्निंग और विभिन्न प्रकार के डेटा के साथ काम करना।
मौसम की भविष्यवाणी करने वाले ऐप्स से लेकर सेल्फ-ड्राइविंग कारों तक, डेटा अधिकांश आधुनिक सेवाओं और उत्पादों का आधार है। एक डेटा वैज्ञानिक प्रयोग करता है, मेट्रिक्स बनाता है, जानता है कि सेवाओं के संचालन को कैसे अनुकूलित किया जाए और समझता है कि उनके विकास बिंदु कहां हैं।
प्रत्येक छात्र को सेमेस्टर के दौरान कम से कम तीन पाठ्यक्रम सफलतापूर्वक पूरा करना होगा। उदाहरण के लिए, यदि मुख्य कार्यक्रम में उनमें से दो हैं, तो आपको विशेष पाठ्यक्रमों में से एक को चुनना होगा।
ज्ञान का परीक्षण मुख्य रूप से होमवर्क के माध्यम से किया जाता है - परीक्षा और परीक्षण केवल कुछ विषयों में आयोजित किए जाते हैं।
पहला सेमेस्टर
अनिवार्य
एल्गोरिदम और डेटा संरचनाएं, भाग 1
01.जटिलता और कम्प्यूटेशनल मॉडल। लेखांकन मूल्यों का विश्लेषण (शुरुआत)
02. लेखांकन मूल्यों का विश्लेषण (अंत)
03. मर्ज-सॉर्ट और क्विक-सॉर्ट एल्गोरिदम
04. सामान्य आँकड़े. ढेर (शुरुआत)
05. ढेर (अंत)
06.हैशिंग
07.पेड़ खोजें (शुरुआत)
08.पेड़ खोजें (जारी)
09.पेड़ खोजें (अंत)। असंयुक्त समुच्चयों की प्रणाली
10. आरएमक्यू और एलसीए कार्य
11.ज्यामितीय खोज के लिए डेटा संरचनाएं
12.अप्रत्यक्ष ग्राफ़ में गतिशील कनेक्टिविटी की समस्या
पायथन भाषा
01.भाषा की मूल बातें (भाग 1)
02.भाषा की मूल बातें (भाग 2)
03.ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग
04.त्रुटि प्रबंधन
05. कोड डिज़ाइन और परीक्षण
06.स्ट्रिंग्स के साथ कार्य करना
07.मेमोरी मॉडल
08कार्यात्मक प्रोग्रामिंग
09.पुस्तकालय समीक्षा (भाग 1)
10.पुस्तकालय समीक्षा (भाग 2)
11.पायथन में समानांतर कंप्यूटिंग
12.वस्तुओं के साथ उन्नत कार्य
मशीन लर्निंग, भाग 1
01.बुनियादी अवधारणाएँ और व्यावहारिक समस्याओं के उदाहरण
02.मीट्रिक वर्गीकरण विधियाँ
03.तार्किक वर्गीकरण विधियाँ और निर्णय वृक्ष
04.क्रमिक रैखिक वर्गीकरण विधियाँ
05. वेक्टर मशीन का समर्थन करें
06. बहुभिन्नरूपी रैखिक प्रतिगमन
07.अरेखीय और गैरपैरामीट्रिक प्रतिगमन, गैर-मानक हानि कार्य
08.समय श्रृंखला का पूर्वानुमान
09.बायेसियन वर्गीकरण विधियाँ
10. लॉजिस्टिक रिग्रेशन
11.एसोसिएशन के नियम खोजें
दूसरी अवधि
अनिवार्य
मशीन लर्निंग में सांख्यिकी के मूल सिद्धांत
01.परिचय
02.सांख्यिकीय अनुमान के सिद्धांत के मुख्य कार्य और विधियाँ
03. वितरण अनुमान और सांख्यिकीय कार्यप्रणाली
04.मोंटे कार्लो सिमुलेशन, बूटस्ट्रैप
05.पैरामीट्रिक अनुमान
06. परिकल्पना परीक्षण
07. बहुआयामी डेटा की आयामीता को कम करना
08.मॉडल की संवेदनशीलता का आकलन करना
09.रैखिक और लॉजिस्टिक प्रतिगमन
10.प्रयोगों के डिजाइन के तरीके
11.रेखीय प्रतिगमन में विभिन्न प्रकार के नियमितीकरण
12. प्रतिगमन निर्भरता के निर्माण के लिए अरेखीय तरीके
13. गैरपैरामीट्रिक अनुमान
14. अनुमान के लिए बायेसियन दृष्टिकोण
15. प्रतिगमन के लिए बायेसियन दृष्टिकोण
16. प्रतिगमन और अनुकूलन के लिए बायेसियन दृष्टिकोण
17.डेटा विश्लेषण समस्याओं में यादृच्छिक गाऊसी फ़ील्ड मॉडल का उपयोग
18. सरोगेट मॉडलिंग और अनुकूलन समस्याओं में सांख्यिकीय मॉडल और विधियों का उपयोग
मशीन लर्निंग, भाग 2
01. वर्गीकरण और प्रतिगमन के तंत्रिका नेटवर्क तरीके
02.वर्गीकरण और प्रतिगमन की संरचनागत विधियाँ
03. मॉडलों के चयन के लिए मानदंड और सुविधाओं के चयन के तरीके
04.रैंकिंग
05.सुदृढीकरण सीखना
06.शिक्षक के बिना सीखना
07.आंशिक प्रशिक्षण की समस्या
08. सहयोगात्मक फ़िल्टरिंग
09. विषय मॉडलिंग
तीसरा सेमेस्टर
से चुनने के लिए
स्वचालित पाठ प्रसंस्करण
01पाठ्यक्रम सामग्री
या
कंप्यूटर दृष्टि
यह पाठ्यक्रम कंप्यूटर विज़न के तरीकों और एल्गोरिदम के लिए समर्पित है, अर्थात। छवियों और वीडियो से जानकारी निकालें। आइए छवि प्रसंस्करण, छवि वर्गीकरण, सामग्री द्वारा छवि खोज, चेहरे की पहचान, छवि विभाजन की मूल बातें देखें। फिर हम वीडियो प्रोसेसिंग और विश्लेषण एल्गोरिदम के बारे में बात करेंगे। पाठ्यक्रम का अंतिम भाग 3डी पुनर्निर्माण के लिए समर्पित है। अधिकांश समस्याओं के लिए हम मौजूदा तंत्रिका नेटवर्क मॉडल पर चर्चा करेंगे। पाठ्यक्रम में हम केवल सबसे आधुनिक तरीकों पर ध्यान देने का प्रयास करते हैं जो वर्तमान में व्यावहारिक और अनुसंधान समस्याओं को हल करने में उपयोग किए जाते हैं। यह पाठ्यक्रम सैद्धांतिक के बजाय काफी हद तक व्यावहारिक है। इसलिए, सभी व्याख्यान प्रयोगशाला और होमवर्क से सुसज्जित हैं, जो आपको अभ्यास में चर्चा की गई अधिकांश विधियों को आज़माने की अनुमति देते हैं। यह कार्य विभिन्न पुस्तकालयों का उपयोग करके पायथन में किया जाता है।
01.डिजिटल छवि और टोनल सुधार।
02.इमेज प्रोसेसिंग की मूल बातें।
03.छवियों का संयोजन।
04. छवियों का वर्गीकरण और समान छवियों की खोज।
05. समान छवियों के वर्गीकरण और खोज के लिए संवादात्मक तंत्रिका नेटवर्क।
06.वस्तु का पता लगाना।
07. शब्दार्थ विभाजन।
08. शैली स्थानांतरण और छवि संश्लेषण।
09.वीडियो पहचान.
10. विरल 3डी पुनर्निर्माण।
11.सघन त्रि-आयामी पुनर्निर्माण।
12. एक फ्रेम और बिंदु बादलों, पैरामीट्रिक मॉडल से पुनर्निर्माण।
चौथा सेमेस्टर
अनुशंसित विशेष पाठ्यक्रम
ध्यान लगा के पढ़ना या सीखना
01.पाठ्यक्रम सामग्री
सुदृढीकरण सीखना
01.पाठ्यक्रम सामग्री
सेल्फ ड्राइविंग कारें
पाठ्यक्रम में सेल्फ-ड्राइविंग तकनीक के मुख्य घटकों को शामिल किया गया है: स्थानीयकरण, धारणा, भविष्यवाणी, व्यवहार स्तर और गति योजना। प्रत्येक घटक के लिए, मुख्य दृष्टिकोणों का वर्णन किया जाएगा। इसके अतिरिक्त, छात्र मौजूदा बाजार स्थितियों और तकनीकी चुनौतियों से परिचित होंगे।
01.मानवरहित वाहन के मुख्य घटकों और सेंसर का अवलोकन। स्वायत्तता के स्तर. ड्राइव बाय वायर। एक व्यावसायिक उत्पाद के रूप में स्व-चालित कारें। ड्रोन बनाने में प्रगति का मूल्यांकन करने के तरीके। स्थानीयकरण की मूल बातें: जीएनएसएस, व्हील ओडोमेट्री, बायेसियन फिल्टर।
02. लिडार स्थानीयकरण के तरीके: आईसीपी, एनडीटी, लोम। उदाहरण के तौर पर ORB-SLAM का उपयोग करके विज़ुअल SLAM का परिचय। ग्राफ़स्लैम समस्या का विवरण। ग्राफ़स्लैम समस्या को एक अरेखीय न्यूनतम वर्ग विधि में कम करना। सही मानकीकरण का चयन करना। ग्राफ़स्लैम में एक विशेष संरचना वाले सिस्टम। वास्तुशिल्प दृष्टिकोण: फ्रंटएंड और बैकएंड।
03. सेल्फ-ड्राइविंग कार में पहचान कार्य। स्थैतिक और गतिशील बाधाएँ। पहचान प्रणाली के लिए सेंसर. स्थैतिक बाधाओं का प्रतिनिधित्व. लिडार (VSCAN, तंत्रिका नेटवर्क विधियों) का उपयोग करके स्थैतिक बाधाओं का पता लगाना। स्टैटिक्स (सिमेंटिक छवि विभाजन, गहराई पूर्णता) का पता लगाने के लिए छवियों के साथ संयोजन में लिडार का उपयोग करना। स्टीरियो कैमरा और तस्वीर से गहराई प्राप्त करना। स्टिक्सल वर्ल्ड।
04.स्वचालित कार में गतिशील बाधाओं की कल्पना करना। 2डी में वस्तुओं का पता लगाने के लिए तंत्रिका नेटवर्क विधियां। लिडार क्लाउड प्रतिनिधित्व के विहंगम दृश्य पर आधारित पता लगाना। गतिशील बाधाओं का पता लगाने के लिए इमेजरी के साथ लिडार का उपयोग करना। चित्रों के आधार पर 3डी में कार का पता लगाना (3डी बॉक्स फिटिंग, सीएडी मॉडल)। रडार-आधारित गतिशील बाधा का पता लगाना। वस्तु ट्रैकिंग.
05.कार ड्राइविंग पैटर्न: पिछला पहिया, अगला पहिया। पथ योजना. कॉन्फ़िगरेशन स्थान की अवधारणा. प्रक्षेपपथ के निर्माण के लिए ग्राफ़ विधियाँ। प्रक्षेप पथ जो झटके को न्यूनतम करते हैं। प्रक्षेप पथ के निर्माण के लिए अनुकूलन विधियाँ।
06. गतिशील वातावरण में गति योजना। एसटी योजना. अन्य सड़क उपयोगकर्ताओं के व्यवहार की भविष्यवाणी करना।