Data Science c экспертом от Сбербанка [Skill-Branch] [Часть 1]

Data Science c экспертом от Сбербанка [Skill-Branch] [Часть 1]

Онлайн-курс с экспертом от СберБанка
Data Science

Спойлер: Программа

01.Введение в машинное обучение

• - Что такое машинное обучение?
• - Для чего используется машинное обучение?
• - Какие типы задач можно решать с помощью машинного обучения?
• - Основные проблемы машинного обучения
• - Почему будем использовать python?
• - Обзор основных инструментов и библиотек (Jupyter Notebook, sklearn, NumPy, SciPy, matplotlib, pandas).

02. Основы Python

• - типы данных
• - ссылки на объекты
• - коллекции данных
• - логические операции
• - инструкции управления потоком выполнения
• - арифметические операторы
• - ввод / вывод
• - создание и вызов функций

Практика

• Работа с объектами в Python, написание функций для работы с данными

03. Математика, необходимая в DS / ML

• - функция
• - производная, частная производная, градиент функции
• - теория вероятности: основные определения
• - определение вероятности, вычисление вероятностей сложных событий
• - распределение вероятностей, независимые и зависимые переменные
• - генеральные совокупности и выборки
• - центральная предельная теорема
• - меры центральной тенденции, меры разброса
• - выбросы

Практика

• реализация указанных математических сущностей на Python

04. Управление данными и их интерпретация

• - введение в массивы библиотеки NumPy
• - выполнение вычислений над массивами NumPy
• - сравнения, макси и булева логика в NumPy
• - сортировка массивов NumPy
• - введение в библиотеку pandas
• - операции над данными в библиотеке pandas
• - объединение наборов данных: конкатенация, слияние и соединение
• - агрегирование и группировка в pandas
• - сводные таблицы в pandas
• - векторизованные операции и методы повышения производительности pandas
• - визуализация данных с помощью matplotlib
• - линейные графики и диаграммы рассеяния в matplotlib
• - графики плотности, гистограммы в matplotlib
• - настройка легенды на графикам, тексты и поясняющие надписи
• - множественные графики

Практика

• векторные вычисление с помощью NumPy, операции над векторами и матрицами, анализ данных с помощью pandas, вычисление основных статистик, фильтрация и отбор данных с помощью pandas, визуализация данных с помощью matplotlib / seaborn

05. Линейные модели

• - измерение ошибки в задачах регрессии
• - обучение линейной регрессии
• - градиентный спуск и модификация градиентного спуска
• - интерпретация коэффициентов линейной регрессии
• - подготовка данных для линейной модели
• - оценка качества моделей
• - регуляризация линейной модели и гиперпараметры

Практика

• реализация метрик качества для задачи регрессии, анализ их слабых и сильных сторон, реализация классического решения для модели линейной регрессии, реализация алгоритма градиентного спуска, визуализация траекторий градиентного спуска и стохастического градиентного спуска, сравнение скорости схождения алгоритма градиентного спуска и стохастического градиентного спуска, реализация L1, L2 регуляризации для линейной модели. Опционально: реализация более сложных методов оптимизации для поиска решения линейной регрессии.

06. Логистическая регрессия

• - измерение ошибки в задачах бинарной классификации
• - оценивание вероятностей
• - переобучение, кривые обучения, кривые валидации
• - интерпретация коэффициентов логистической регрессии
• - границы решения

Практика

• реализация метрик качества для задачи классификации, анализ их слабых и сильных сторон, реализация модели логистической регрессии, построение и анализ кривых обучения и валидационных кривых. Применение модели логистической регрессии для реальных данных, оценка качества модели. Реализация собственных элементов пайплайнов, объединение элементов предобработки данных и обучения модели в единый пайплайн.

Опционально

• самостоятельная реализация модели логистической регрессии.

07. Решающие деревья

• - обучение и визуализация дерева принятия решений
• - применение дерева для получения прогнозов
• - оценивание вероятностей классов
• - оценивание непрерывной величины
• - алгоритм обучения CART
• - вычислительная сложность деревьев решений
• - выбор критериев разбиения
• - гиперпараметры, регуляризация, неустойчивость деревьев решений

Практика

• обучение решающих деревьев для задачи классификации и регрессии, сравнение критериев информативностей деревьев решений, сравнение критериев останова деревьев решений, визуализация плоскостей решения при различных значениях гиперпараметров деревьев решений, сравнение способов регуляризации деревьев решений на практике. Сравнение решающих деревьев с линейными моделями, сравнение качества решения и устойчивости решения.

Опционально

• самостоятельная реализация модели решающего дерева для задачи классификации и регрессии.

08. Бэггинг, случайный лес

• - разложение ошибки на смещение и дисперсию
• - бутстрап, бэггинг, out-of-bag ошибка
• - метод случайных подпространств
• - случайный лес
• - экстремально случайные деревья
• - работа с текстовыми данными
• - оценка важности признаков

Практика

• самостоятельная реализация модели бэггинга с использованием решающих деревьев и линейных моделей. Векторизоация текстовых данных, использования TF-IDF для текстовых данных. Использование лемматизации и стемминга для улучшения качества текстовых данных. Использование модели случайного леса и линейных моделей для работы с текстовыми данными. Использование методов для оценки важности признаков для модели случайного леса.

Опциональносамостоятельная реализация модели случайного леса для задачи классификации и регрессии.
09. Градиентный бустинг

• - бустинг как направленная композиция алгоритмов
• - AdaBoost
• - XGBoost
• - LightGBM
• - CatBoost

Практика

• сравнение градиетного бустинга и случайного леса, анализ смещения и дисперсии модели градиетного бустинга, Сравнение реализация алгоритма градиентного бустинга (AdaBoost, XGBoost, LightGBM, CatBoost) на задачах бинарной классификации и регрессии.

10. Важность признаков и методы снижения размерности

• - Встроенные методы оценки важности признаков, + / -
• - Оценка важности признаков на основе перестановок
• - SHAP для оценки важности признаков и интерпретации blackbox-моделей
• - Проблема проклятия размерности
• - PCA для снижения размерности
• - Анализ главных компонент

Практика

• использование встроенных методов оценки важности признаков для линейных моделей, решающих деревьев, случайного леса и градиентного бустинга, анализ их плюсов и минусов. Использование универсальных методов оценки важности, анализ их преимуществ перед встроенными методами оценки важности признаков, отбора признаков. Использование SHAP, PCA для отбора признаков.

11. Обучение без учителя (кластеризация)

• - [опциональная лекция]

12. Основы А-Б тестирования

• - распределение вероятностей
• - независимые и зависимые переменные
• - проверка гипотез
• - доверительные интервалы
• - p-value, z-статистика
• - проверка гипотез с помощью t - критерия
• - проверка гипотез для долей

Практика

• моделирование распределения вероятностей с помощью python, проверка одновыборочных гипотез, двухвыбороных гипотез для независимых выборок и двухвыборочных гипотез для зависимых выборок с помощью python.

13. Полный проект машинного обучения (основные этапы + демонстрация)

• - работа с реальными данными
• - постановка задачи
• - получение данных
• - обнаружение и визуализация данных для понимания их сущности
• - подготовка данных для алгоритмов машинного обучения
• - выбор и обучение модели
• - настройка гиперпараметров модели
• - анализ ошибок / поиск возможностей для улучшения качества модели
• - проверка модели на реальных данных
• - запуск и сопровождение модели

Продажник