DSML: Машинное обучение в R

Продолжительность курса — 5 дней

Описание Услуги

Данный курс предназначен для изучения алгоритмов машинного обучения с практическим применением техник машинного обучения реализованных в R. Рассматриваются понятия data mining, измерения производительности и уменьшения размерности, регрессионные модели, байесовская модель, SVM и ассоциативные правила для анализа. После успешного завершения данного курса вы сможете понимать и объяснять принципы работы алгоритмов машинного обучения, и применять данные алгоритмы на реальных задачах в больших данных.

01. Аудитория

Специалисты по работе с большими данными, бизнес аналитики и руководители, желающие получить расширенную теоретическую и практическую подготовку по методам Data Mining для участия в проектах анализа больших данных.

Содержание курса

03. Алгоритм ближайших соседей, наивный байессовский анализ и «проклятие размерности»

  • Алгоритм K-ближайших соседей
  • Выбор К и меры расстояния
  • Условная вероятность: теорема Байеса
  • Оценка Лапласа
  • Уменьшение размерности
  • Процедура PCA
  • Ridge и регрессия Лассо
  • Перекрестная проверка

05. Кластерный анализ и нейронные сети

  • Кластерный анализ
  • K-means кластеризация
  • Иерархическая кластеризация
  • Нейронные сети и персептроны
  • Сигмоидные нейроны
  • Сетевая топология и скрытые функции
  • Метод обратного распространения ошибки с градиентным спуском