${message}

Этот двухдневный курс посвящен анализу данных и методам машинного обучения в MATLAB с использованием функций Statistics and Machine Learning Toolbox и Deep Learning Toolbox. В курсе будут демонстрироваться техники обучения без учителя для исследования и обнаружения особенностей в больших наборах данных и обучения с учителем для построения прогнозных моделей. На примерах и упражнениях будут рассмотрены методы визуализации и оценки результатов.

Темы курса включают:

  • Организация и предварительная обработка данных;
  • Кластеризация;
  • Построение моделей классификации и регрессии;
  • Интерпретация и оценка моделей;
  • Уменьшение размерности множества данных;
  • Использование ансамбля обучений для повышения эффективности модели.


Продолжительность - 2 дня.

Код тренинга

MLML

Подробная программа курса:

День 1

Модуль 1. Импорт и организация данных.

Импорт данных в MATLAB и их организация для последующего анализа, включая нормировку и обработку наблюдений с пропущенными значениями.

  • Типы данных;
  • Таблицы;
  • Данные категорий;
  • Подготовка данных.

Модуль 2. Нахождение естественных структур в данных.

Использование методов обучения без учителя для группировки наблюдений основанных на множестве независимых переменных и исследование естественных структур исходного множества.

  • Обучение без учителя;
  • Методы кластеризации;
  • Оценка и интерпретация кластеров.

Модуль 3. Построение предсказательной модели.

Использование методов обучения с учителем для выполнения прогнозного моделирования в задачах классификации. Оценка точности прогнозной модели.

  • Обучение с учителем;
  • Обучение и проверка;
  • Методы классификации.


День 2

Модуль 4. Повышение производительности моделей.

Уменьшение размерности набора данных. Улучшение и упрощение моделей машинного обучения

  • Перекрестная проверка;
  • Выбор характеристик;
  • Извлечение характеристик;
  • Ансамбль обучений.

Модуль 5. Построение регрессионных моделей.

Использование обучения с учителем для выполнения предсказательного моделирования для случая непрерывного отклика

  • Параметрические регрессионные методы;
  • Непараметрические регрессионные методы;
  • Оценка модели.

Модуль 6. Создание нейронных сетей.

Создание нейронных сетей для целей кластеризации и прогнозного моделирования. Настройка архитектуры сети для повышения производительности.

  • Кластеризация на основе самоорганизующихся карт;
  • Классификация нейронными сетями прямого распостранения;
  • Регрессия нейронными сетями прямого распространения.
Поделиться

Задать вопрос

*
Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных . Мы, ООО ЦИТМ "Экспонента" и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных». * - обязательные поля