Высшая школа бизнес-информатики

Алгоритмы интеллектуальной обработки больших объемов данных

В курсе изучаются подходы к решению задач Data Mining, основанных на алгоритмах машинного обучения.
Студентов 1663 Выпускников 130 Для специалистов
690 ₽ 1 200 ₽
или любая сумма на ваше усмотрение
Вы можете оплатить любую сумму, чтобы поддержать наш проект и авторов программы. Объем услуг не зависит от размера вашей оплаты.
Объем
36 час.
Длительность
30 дней
Нагрузка в неделю
9 час.
Формат обучения
Дистанционно (самостоятельно)
Описание Учебный курс посвящен алгоритмам интеллектуальной обработки больших объемов данных и решению задач Data Mining. В материалах рассматриваются методы классификации, кластеризации, снижения размерности, а также основы нейронных сетей и обработка текстов. Курс полезен аналитикам данных, специалистам по машинному обучению и разработчикам, которые хотят создавать рекомендательные системы, оптимизировать сервисы и извлекать значимую информацию для принятия бизнес-решений.
Цели
  • Сформировать понимание принципов работы алгоритмов машинного обучения в задачах Data Mining.
  • Развить умение выбирать подходящие модели для классификации и кластеризации данных.
  • Подготовить к применению нейронных сетей для обработки больших объемов информации.
Чему я научусь?
  • Использовать алгоритмы классификации и регрессии для анализа данных.
  • Применять нейронные сети и машину опорных векторов в практических задачах.
  • Разрабатывать решения для обработки текстов и снижения размерности данных.

Авторы

Анохин Николай
Анохин Николай
Гулин Владимир
Гулин Владимир
Нестеров Павел
Нестеров Павел
Чему я научусь?
  • Использовать алгоритмы классификации и регрессии для анализа данных.
  • Применять нейронные сети и машину опорных векторов в практических задачах.
  • Разрабатывать решения для обработки текстов и снижения размерности данных.

Учебный план

№ Занятия
Экзамен экстерном Внимание! Экзамен экстерном не обязательный для сдачи. При желании вы можете его пройти, если хотите подтвердить свои знания по данному курсу без его изучения или поверить свои знания по нему. Экзамен экстерном можно сдать только один раз. 90 мин
1 Задачи Data Mining Обзор задач Data Mining. Стандартизация подхода к решению задач Data Mining. Процесс CRISP-DM. Виды данных. Кластеризация,... Обзор задач Data Mining. Стандартизация подхода к решению задач Data Mining. Процесс CRISP-DM. Виды данных. Кластеризация, классификация, регрессия. Понятие модели и алгоритма обучения. ещё
Задачи Data Mining тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
2 Задача кластеризации и ЕМ-алгоритм Постановка задачи кластеризации. Функции расстояния. Критерии качества кластеризации. EM-алгоритм. K-means и модификации.
Задача кластеризации и ЕМ-алгоритм тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
3 Различные алгоритмы кластеризации Иерархическая кластеризация. Agglomerative и Divisive алгоритмы. Различные виды расстояний между кластерами. Stepwise-optimal алгоритм. Случай неэвклидовых пространств.... Иерархическая кластеризация. Agglomerative и Divisive алгоритмы. Различные виды расстояний между кластерами. Stepwise-optimal алгоритм. Случай неэвклидовых пространств. Критерии выбора количества кластеров: rand, silhouette. DBSCAN. ещё
Различные алгоритмы кластеризации тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
4 Задача классификации Постановка задач классификации и регрессии. Теория принятия решений. Виды моделей. Примеры функций потерь. Переобучение. Метрики качества... Постановка задач классификации и регрессии. Теория принятия решений. Виды моделей. Примеры функций потерь. Переобучение. Метрики качества классификации. MDL. Решающие деревья. Алгоритм CART. ещё
Задача классификации тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
5 Обработка текстов, Naive Bayes Условная вероятность и теорема Байеса. Нормальное распределение. Naive Bayes: multinomial, binomial, gaussian. Сглаживание. Генеративная модель NB... Условная вероятность и теорема Байеса. Нормальное распределение. Naive Bayes: multinomial, binomial, gaussian. Сглаживание. Генеративная модель NB и байесовский вывод. Графические модели. ещё
Обработка текстов, Naive Bayes тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
6 Линейные модели для классификации и регрессии Обобщенные линейные модели. Постановка задачи оптимизации. Примеры критериев. Градиентный спуск. Регуляризация. Метод Maximum Likelihood. Логистическая регрессия.
Линейные модели для классификации и регрессии тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
7 Машина опорных векторов Разделяющая поверхность с максимальным зазором. Формулировка задачи оптимизации для случаев линейно-разделимых и линейно-неразделимых классов. Сопряженная задача.... Разделяющая поверхность с максимальным зазором. Формулировка задачи оптимизации для случаев линейно-разделимых и линейно-неразделимых классов. Сопряженная задача. Опорные векторы. KKT-условия. SVM для задач классификации и регрессии. Kernel trick. Теорема Мерсера. Примеры функций ядра. ещё
Машина опорных векторов тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
8 Методы снижения размерности пространства Проблема проклятия размерности. Отбор и выделение признаков. Методы выделения признаков (feature extraction). Метод главных компонент (PCA).... Проблема проклятия размерности. Отбор и выделение признаков. Методы выделения признаков (feature extraction). Метод главных компонент (PCA). Метод независимых компонент (ICA). Методы основанные на автоэнкодерах. Методы отбора признаков (feature selection). Методы основанные на взаимной корреляции признаков. Метод максимальной релевантность и минимальной избыточности (mRMR). Методы основанные на деревьях решений. ещё
Методы снижения размерности пространства тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
9 Алгоритмические композиции Ключевые идеи бустинга. Отличия бустинга и бэггинга. Алгоритм AdaBoost. Градиентный бустинг. Мета-алгоритмы над алгоритмическими композициями. Алгоритм... Ключевые идеи бустинга. Отличия бустинга и бэггинга. Алгоритм AdaBoost. Градиентный бустинг. Мета-алгоритмы над алгоритмическими композициями. Алгоритм BagBoo. ещё
Алгоритмические композиции тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
10 Основы нейронных сетей Биологический нейрон и нейронные сети. Искусственный нейрон Маккалока-Питтса и искусственная нейронная сеть. Персептрон Розенблатта и Румельхарта.... Биологический нейрон и нейронные сети. Искусственный нейрон Маккалока-Питтса и искусственная нейронная сеть. Персептрон Розенблатта и Румельхарта. Алгоритм обратного распространения ошибки. Момент обучения, регуляризация в нейросети, локальная скорость обучения, softmax слой. Различные режимы обучения. ещё
Основы нейронных сетей тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
11 Ограниченная машина Больцмана Нейросетейвой автоэнкодер. Стохастические и рекурентные нейронные сети. Машина Больцмана и ограниченная машина Больцмана. Распределение Гиббса. Алгоритм... Нейросетейвой автоэнкодер. Стохастические и рекурентные нейронные сети. Машина Больцмана и ограниченная машина Больцмана. Распределение Гиббса. Алгоритм contrastive divergence для обучения РБМ. Сэмплирование данных из РБМ. Бинарная РБМ и гауссово-бинарная РБМ. Влияние регуляризации, нелинейное сжатие размерности, извлечение признаков. Semantic hashing. ещё
Ограниченная машина Больцмана тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
12 Глубокие нейронные сети Трудности обучения многослойного персептрона. Предобучение используя РБМ. Глубокий автоэнкодер, глубокая многослойная нейросеть. Deep belief network и... Трудности обучения многослойного персептрона. Предобучение используя РБМ. Глубокий автоэнкодер, глубокая многослойная нейросеть. Deep belief network и deep Boltzmann machine. Устройство человеческого глаза и зрительной коры головного мозга. Сверточные сети. ещё
Глубокие нейронные сети тест для курса Алгоритмы интеллектуальной обработки больших объемов данных 35 мин
Тренировочный экзамен Внимание! Тренировочный экзамен экстерном не обязательный для сдачи. При желании вы можете его пройти, если хотите проверить свои знания курса перед сдачей экзамена. Тренировочный экзамен можно сдавать сколько угодно один раз. 90 мин
Экзамен 60 мин

Какой документ я получу?

Сертификат

Выдаётся автоматически после успешного завершения программы.

Удостоверение о повышении квалификации

Выдается при наличии среднего специального или высшего образования (необходимые документы).

Стоимость программы

690 ₽ 1 200 ₽
или любая сумма на ваше усмотрение
Вы можете оплатить любую сумму, чтобы поддержать наш проект и авторов программы. Объем услуг не зависит от размера вашей оплаты.
^