Скачать Разработчик BigData. Часть 3 из 5 - OTUS (2018)

Тема в разделе "Администрирование и программирование", создана пользователем Gustav, 9 авг 2018.

  1. Gustav

    Gustav Команда форума Администратор

    Сообщения:
    22.166
    Симпатии:
    41.812
    Разработчик BigData. Часть 3 из 5
    OTUS

    upload_2018-8-9_17-0-21.png

    Чаще всего в окружении, в котором приходится работать, данные не готовы для анализа, у них произвольный формат и много ошибок. Например, это данные из баз знаний, открытых API, данные из различных информационных систем партнеров.В третьем модуле рассматриваются вопросы сбора и очистки данных, разбираются типичные задачи бизнеса. Например, это предсказание ctr, ltv. Дополнительно рассмотрим специальные алгоритмы анализа данных - это работа с временными рядами, рекомендательными системами, текстами, графами.

    Программа курса 3 части:

    Занятие 19: Рекомендательные системы
    Типы рекомендательных систем. Векторное пространство (тот же TF-IDF) и content-based модели, повторение стандартных метрик корреляций: Пирсон, косинусная мера, Джаккарт. Offline метрики и метрики ранжирования. Построение простой content-based модели. Item(user)-based CF. Использование CF для implicit feedback. Построение CF модели (item-based или MF)
    ДЗ
    Применение алгоритма рекомендаций для датасета фильмов.

    Занятие 20: Временные ряды
    Что такое временные ряды и простые модели построения прогнозов. Разложение временного ряда на компоненты: тренд, сезонность, цикл, ошибка. Стационарность ряда. Модели класса AR, MA, ARMA, ARIMA. Построение прогноза на примере данных. Модели ARIFMA. Нелинейные модели, библиотека Prophet от Facebook. Векторные модели

    Занятие 21: Latent Dirichlet Allocation
    ДЗ

    Применение LDA для категоризации текстов.

    Занятие 22: Алгоритмы на графах
    Социальные сети

    Занятие 23: Нейронные сети, обучение нейронных сетей
    Основы: перцептрон и синапсы, функция активации, примеры задач. Обучение: функция потерь, обратное распространение ошибки, стохастический градиент.
    ДЗ
    Реализация алгоритма обратного распространения ошибки и применение простой сети на mnist.

    Занятие 24: Сверточный слои, каскады, визуализация признаков
    Сверточный слои, каскады, визуализация признаков. Нормализация и регуляризация: batchnorm, dropout. Архитектуры нейросетей: обзор архитектур AlexNet, ResNet, GoogLenet.




    Продажник:

    Скачать:
     
    Последнее редактирование: 14 дек 2018
    skeet и wakariio нравится это.
  2. Nefalem

    Nefalem Unlimited

    Сообщения:
    16
    Симпатии:
    6
    А 4я и 5е части будут?
     
  3. Antipova

    Antipova Команда форума Модератор

    Сообщения:
    6.555
    Симпатии:
    2.843
    Здравствуйте, рекомендую воспользоваться разделом Пожалуйста, войдите или зарегистрируйтесь, чтобы просмотреть ссылку , возможно материал, который Вы ищите есть у кого то из пользователей. Перед публикацией ознакомьтесь пожалуйста с правилами оформления тем данного раздела: Пожалуйста, войдите или зарегистрируйтесь, чтобы просмотреть ссылку Спасибо.
     
  4. Gustav

    Gustav Команда форума Администратор

    Сообщения:
    22.166
    Симпатии:
    41.812
  5. Drewleks

    Drewleks Новичок

    Сообщения:
    2
    Симпатии:
    0
    17 и 18 частей нет.
     
  6. pashoid

    pashoid Unlimited

    Сообщения:
    3
    Симпатии:
    1
    Получится доукомплектовать 17 и 18ой частями?
     
    Drewleks нравится это.
  7. Gustav

    Gustav Команда форума Администратор

    Сообщения:
    22.166
    Симпатии:
    41.812
    Здравствуйте! Эти уроки во 2 части: Пожалуйста, войдите или зарегистрируйтесь, чтобы просмотреть ссылку