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 

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
*
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