University of St Andrews - Online

Μάθημα σε ενδιάμεσο επίπεδο: Μηχανική Μάθηση από άκρο σε άκρο

Βελτιώστε την εμπειρία σας στη μηχανική μάθηση εμβαθύνοντας σε πιο σύνθετους αλγόριθμους και εφαρμογές του πραγματικού κόσμου.

Αυτό το σύντομο μάθημα απευθύνεται σε επαγγελματίες που επιδιώκουν να κατανοήσουν τις έννοιες και τις τεχνολογίες που στηρίζουν τη σύγχρονη μηχανική μάθηση.

Σε αυτό το μάθημα, θα μάθετε για τις σύγχρονες μεθόδους μηχανικής μάθησης μέσα από πέντε θέματα:

• Η ταξινόμηση εξηγεί τον καλύτερο τρόπο πρόβλεψης διακριτών κλάσεων, για παράδειγμα, αποδοχής ή απόρριψης αιτήσεων πίστωσης.
• Τα Εκπαιδευτικά Μοντέλα εισάγουν τις μεθόδους που χρησιμοποιούνται για την επίλυση του προβλήματος βελτιστοποίησης πυρήνα: ποια παραλλαγή μιας κλάσης μοντέλων έχει το μικρότερο σφάλμα;
• Το βιβλίο "Δέντρα & Δάση" διερευνά πώς μπορούν να παραχθούν, να επεκταθούν και να αναπτυχθούν μοντέλα δέντρων για την παραγωγή μοντέλων με επικυρωμένες εκτιμήσεις απόδοσης σε νέες περιπτώσεις δεδομένων.
• Η Μείωση Διαστάσεων καλύπτει τη λογική και τις μεθόδους που εφαρμόζονται για τη μείωση του αριθμού των χαρακτηριστικών που χρησιμοποιούνται σε μοντέλα προγνωστικής μηχανικής μάθησης.
• Η Μη Εποπτευόμενη Μάθηση εξετάζει τον τρόπο εκμάθησης και ανάπτυξης μοντέλων για τα οποία δεν υπάρχει μεταβλητή-στόχος.

Παρέχεται και εξηγείται προηγμένος κώδικας Python για κάθε θέμα. Τα βασικά μαθησιακά σας αποτελέσματα είναι να προσδιορίσετε ποια μοντέλα είναι εφαρμόσιμα για διαφορετικά δεδομένα και στόχους και να πραγματοποιήσετε ρύθμιση υπερπαραμέτρων ή επιλογή μοντέλου ανάλογα με το μοντέλο.