למידת מכונה - קורס RUB 39,240. מ-SkillFactory, אימון 12 שבועות, תאריך 13 באוגוסט, 2023.

מבוא ללמידת מכונה
- אנו מכירים את המשימות והשיטות העיקריות של למידת מכונה, לומדים מקרים מעשיים ומיישמים את האלגוריתם הבסיסי לעבודה על פרויקט ML
- אנו פותרים 50+ בעיות כדי לאחד את הנושא

שיטות עיבוד מקדים של נתונים
- אנו לומדים סוגי נתונים, לומדים לנקות ולהעשיר נתונים, משתמשים בהדמיה לצורך עיבוד מקדים ומנהלים הנדסת תכונות
- אנו פותרים 60+ בעיות כדי לאחד את הנושא

נְסִיגָה
- אנו לומדים סוגי נתונים, לומדים לנקות ולהעשיר נתונים, שולטים ברגרסיה ליניארית ולוגיסטית, לומדים את גבולות הישימות, מסקנות אנליטיות והסדרה

- אימון מודלים של רגרסיה
- אנו פותרים 40+ בעיות כדי לגבש את הנושא

מקבץ
— אנו שולטים בלמידה ללא מורה, מתרגלים את שיטותיה השונות, עובדים עם טקסטים באמצעות ML
- אנו פותרים 50+ בעיות כדי לאחד את הנושא

אלגוריתמים מבוססי עצים: מבוא לעצים
- היכרות עם עצי החלטה ותכונותיהם, שליטה בעצים מספריית סקלארן ושימוש בעצים לפתרון בעיית רגרסיה
- אנו פותרים 40+ בעיות כדי לגבש את הנושא

אלגוריתמים מבוססי עץ: הרכבים
- אנו לומדים את התכונות של הרכבי עצים, מתרגלים חיזוק, משתמשים באנסמבל לבניית רגרסיה לוגיסטית
 - אנו פותרים 40+ בעיות כדי לגבש את הנושא
 - אנו משתתפים בתחרות על קאגגל לאימון דגם מבוסס עץ

הערכת איכות האלגוריתמים
- אנו לומדים את העקרונות של פיצול מדגם, תת-אימון יתר, מעריכים מודלים באמצעות מדדי איכות שונים, לומדים לדמיין את תהליך הלמידה
- אנו מעריכים את האיכות של מספר דגמי ML
- אנו פותרים 40+ בעיות כדי לגבש את הנושא

סדרת זמן בלמידת מכונה
- היכרות עם ניתוח סדרות זמן ב-ML, שליטה במודלים ליניאריים ו-XGBoost, לימוד העקרונות של אימות צולב ובחירת פרמטרים
- אנו פותרים 50+ בעיות כדי לאחד את הנושא

מערכות ממליצים
- אנו לומדים שיטות לבניית מערכות ממליצים, שולטים באלגוריתם SVD, מעריכים את איכות ההמלצות של המודל המאומן
- אנו פותרים 50+ בעיות כדי לאחד את הנושא

האקתון אחרון
- אנו מיישמים את כל השיטות הנלמדות כדי להשיג דיוק מרבי של תחזיות מודל על קאגגל