Курс: Data Science: Машинное обучение в R

              Аудитория

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

Предварительная подготовка

• Понимание основ статистики
• Опыт работы c R-Studio или знания в рамках курса DSML-Data Science: Машинное обучение в R

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 приниципыи построение модели в R

8. Машинные алгоритмы с переобучением (Reinforcement learning)

Верхняя граница достоверности (UCB — Upper Confidence Bound)

• по Томпсону

Сравнение алгоритмов

Реализация алгоритмов в К

9. NLP алгоритмы (Алгоритмы текстовой обработки)

Основы Natural Language Proccesingе

Реализация алгоритмов NLPв R

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
• Как обучить нейронную сеть
• Градиентный спуск
• Стохастический градиентный спуск
• Метод обратного распространения

11. Уменьшение размерности

Принципиальный компонентный анализ — Principal Component Analysis (PCA)

• дискриминантный анализ — Linear Discriminant Analysis (LDA)

1. Выбор модели

k-Fold кросс проверка

Реализация поиска структуры (Grid search) в R

Реализация XGBoost в R