Python қолданып машиналық оқыту

  • Курстың мақсаты студенттердің жасанды интеллект және Python тілінде классикалық, қолданбалы машиналық оқыту саласындағы берік теориялық білімі мен практикалық дағдыларын дамыту болып табылады. Оқыту күрделілікті арттыру принципіне негізделген: негізгі жіктеу алгоритмдерінен (логистикалық регрессия, k-ең жақын көршілер, SVM), регрессия мен кластерлеуден (k-орталар, DBSCAN), ассоциация ережелерін анықтаудың кеңейтілген әдістеріне (Apriori, FP-Growth), мүмкіндіктерді таңдау, өлшемді азайту (PCA) және unS-мен жұмыс істеу. Ерекше назар ансамбльдік әдістерге (Bagging, Random Forest, Boosting: AdaBoost, XGBoost, LightGBM), ықтималдық негізіндегі модельдерге (наив Bayes классификаторы), сапаны бағалау әдістеріне (кросс-валидация, ROC-AUC, шатасу матрицасы), сондай-ақ құрылыстың инженерлік аспектілеріне (Ex ML құбыр желілерін салу, интерпретациялау - AI үлгілерін зерттеу) LIME), автоматтандырылған гиперпараметрлерді таңдау (GridSearch, Optuna) және қолданбалы сценарийлерде модельдерді енгізуге бөлінеді
  • Несиелер 5
  • Селективті тәртіп
  • Оқу жылы 3
  • Семестр 2
Top