Курс "Машинное обучение в R"

Код: EDU-BD-DSML
Специализация: Авторские курсы: СУБД и хранилища данных

Продолжительность - 5 дней

Расписание:
12 октября 2020 года (Москва)

Курс "Машинное обучение в R" предназначен для изучения алгоритмов машинного обучения с практическим применением техник машинного обучения, реализованных в R. Также рассматриваются понятия Data Mining, измерения производительности и уменьшения размерности, регрессионные модели, байессовская модель, SVM и ассоциативные правила для анализа. После обучения Вы сможете понимать и объяснять принципы работы алгоритмов машинного обучения и применять данные алгоритмы на реальных задачах в больших данных.

Курс предусматривает практические лабораторные работы на локальных системах и удаленном кластере Hadoop.

Аудитория: Курс ориентирован на специалистов по работе с большими данными, бизнес-аналитиков и руководителей, желающих получить расширенную практическую и теоретическую подготовку по методам Data Mining для участия в проектах анализа Big Data и Machine Learning.

Необходимый уровень подготовки:

• Понимание основ статистики;
• Опыт работы c R-Studio или знание в рамках курса Анализ данных и визуализация в R

Программа курса

1. Основы статистики и простая линейная регрессия

• Что такое ваши данные?
• Статистические выводы
• Введение в машинное обучение
• Простая линейная регрессия
• Диагностика и трансформация
• Коэффициент определенности
• Методы оценки моделей и производительности

2. Базовое программирование с R (опционально)

• Введение в R
• Что такое R?
• R-Studio, пакеты и рабочая область
• Основные элементы языка R
• Типы объектов данных
• Введение функций и управляющих операторов
• Функции
• Программирование функций
• Подключение библиотек в R-Studio

3. Подготовка данных (опционально)

• Принципы формирование Dataset (набор данных)
• Локальный импорт / экспорт данных
• Работа с отсутствующими данными (NA)
• Категориальные данные
• Формирование обучающего и тестового набора данных
• Вопросы масштабирования и автоматизации
• Препроцессинг данных

4. Линейная регрессия и обобщенная линейная модель

• P-value — ошибки первого рода
• Допущения и диагностика
• Оценка максимального правдоподобия
• Интерпретация модели
• Оценка соответствия модели
• Обобщенные линейные модели:
• Простая линейная регрессия
• Множественная линейная регрессия
• Логистическая регрессия
• Полиномиальная регрессия
• Метод опорных векторов (SVR) и деревья решений
• Деревья решений
• Bagging
• Случайные леса
• Boosting
• Важность переменной
• Сортировка полей и поддержка векторного классификатора
• Метод опорных векторов
• Оценка производительности регрессионной модели
• Коэффициенты линейной регрессии

5. Алгоритмы классификации

• Логистическая регрессия
• Алгоритм ближайших соседей
• Алгоритм K-ближайших соседей. Выбор К и меры расстояния
• Наивный байессовский анализ и «проклятие размерности»
• Условная вероятность: теорема Байеса
• Оценка Лапласа
• Уменьшение размерности
• Процедура PCA
• Ridge и регрессия Лассо
• Перекрестная проверка.
• Классификация с помощью деревьев решений
• Классификация методом случайных деревьев
• Оценка производительности классификационной модели

6. Кластерный анализ

• Кластерный анализ
• K-means кластеризация
• Выбор количества кластеров
• Типовые ошибки при кластеризации
• Иерархическая кластеризация. Принципы построения дендрограмм

7. Ассоциативные правила

• Правила Априори алгоритма
• Основные приниципы и построение модели в R

8. Машинные алгоритмы с переобучением (Reinforcement learning)

• Верхняя граница достоверности (UCB — Upper Confidence Bound)
• Примеры по Томпсону
• Сравнение алгоритмов
• Реализация алгоритмов в R

9. NLP алгоритмы (Алгоритмы текстовой обработки)

• Основы Natural Language Proccesing

10. Глубокое Обучение (Deep Learning)

• Отличие машинного обучение( Machine Learning) от глубокого обучения (Deep Learning)
• Искуственные Нейронные Сети (Artificial Neural Networks) :

• План атаки
• Нейроны
• Активация нейронов
• Как работают нейронные сети и персептроны
• Сигмоидные нейроны
• Сетевая топология и скрытые функции
• Метод обратного распространения ошибки с градиентным спуском

В конце обучения на курсе проводится итоговая аттестация в виде теста или на основании оценок за практические работы, выполненных в процессе обучения.

В современном мире сложно обойтись без информационных технологий и их производных - компьютеров, мобильных телефонов, интернета и т.д., особенно в крупных компаниях и государственных организациях, работающих с большим количеством людей, а не только с парой VIP-клиентов, как это может быть в случае небольшой компании. А там, где есть большое количество контрагентов, заявителей и т.д. - не обойтись без баз данных, необходимых для обработки информации. Естественно, что времена гроссбухов и карточек, памятных многим по библиотекам, давно прошли, сегодня используются персональные компьютеры и электронные базы данных.

Сегодня невозможно представить работу крупнейших компаний, банков или государственных организаций без использования баз данных и средств Business Intelligence. Базы данных позволяют нам хранить и получать доступ к большим объемам информации, а система управления базами данных (СУБД) — осуществлять менеджмент доступных хранилищ информации.

В Учебном центре « Интерфейс» Вы научитесь эффективно использовать системы управления базами данных: быстро находить нужную информацию, ориентироваться в схеме базы данных, создавать запросы, осуществлять разработку и создание баз данных.

Обучение позволит Вам не только получить знания и навыки, но и подтвердить их, сдав соответствующие экзамены на статус сертифицированного специалиста . Опытные специалисты по СУБД Microsoft SQL Server или Oracle могут быть заинтересованы в изучении систем бизнес-аналитики. Это задачи достаточно сложные, использующие громоздкий математический аппарат, но они позволяют не только анализировать происходящие процессы, но и делать прогнозы на будущее, что востребовано крупными компаниями. Именно поэтому специалисты по бизнес-аналитике востребованы на рынке, а уровень оплаты их труда весьма и весьма достойный, хотя и квалифицированным специалистам по базам данных, администраторам и разработчикам, жаловаться на низкий уровень дохода тоже не приходится. Приходите к нам на курсы и получайте востребованную и высокооплачиваемую профессию. Мы ждем Вас!

В конце обучения на курсах проводится итоговая аттестация в виде теста или путём выставления оценки преподавателем за весь курс обучения на основании оценок, полученных обучающимся при проверке усвоения изучаемого материала на основании оценок за практические работы, выполненные в процессе обучения.

Учебный центр "Интерфейс" оказывает консалтинговые услуги по построению моделей бизнес-процессов, проектированию информационных систем, разработке структуры баз данных и т.д.

• Нужна помощь в поиске курса?
  Наша цель заключается в обеспечении подготовки специалистов, когда и где им это необходимо. Возможна корректировка программ курсов по желанию заказчиков! Мы расскажем Вам о том, что интересует именно Вас, а не только о том, что жестко зафиксировано в программе курса. Если вам нужен курс, который вы не видите на графике или у нас на сайте, или если Вы хотите пройти курс в другое время и в другом месте, пожалуйста, сообщите нам, по адресу mail@interface.ru или shopadmin@itshop.ru
• Поговорите со своим личным тренинг-менеджером!
  Мы предоставляет Вам индивидуальное обслуживание. Если у вас есть потребность обсудить, все вопросы касательно обучения, свяжитесь, пожалуйста c нами по телефонам: +7 (495) 925-0049, + 7 (495) 229-0436. Или любым другим удобным для Вас средствами связи, которые Вы можете найти на сайтах www.interface.ru или www.itshop.ru