Εξέλιξη Κομματιού
Εισαγωγή στη Μηχανική Μάθηση
- Τύποι μηχανικής μάθησης – επιβλεπόμενη vs μη επιβλεπόμενη
- Από τη στατιστική μάθηση στη μηχανική μάθηση
- Η ροή εργασιών εξόρυξης δεδομένων: κατανόηση επιχειρηματικού προβλήματος, προετοιμασία δεδομένων, μοντελοποίηση, υλοποίηση
- Επιλογή του κατάλληλου αλγορίθμου για την εργασία
- Υπερπροσαρμογή και η αντιστάθμιση μεροληψίας-διακύμανσης
Επισκόπηση Python και Βιβλιοθηκών Μηχανικής Μάθησης
- Γιατί να χρησιμοποιήσουμε γλώσσες προγραμματισμού για ML
- Επιλέγοντας μεταξύ R και Python
- Εντατικό μάθημα Python και Jupyter Notebooks
- Βιβλιοθήκες Python: pandas, NumPy, scikit-learn, matplotlib, seaborn
Δοκιμή και Αξιολόγηση Αλγορίθμων Μηχανικής Μάθησης
- Γενίκευση, υπερπροσαρμογή και επικύρωση μοντέλου
- Στρατηγικές αξιολόγησης: κατακράτηση, διασταυρωμένη επικύρωση, bootstrapping
- Μετρικές για παλινδρόμηση: ME, MSE, RMSE, MAPE
- Μετρικές για ταξινόμηση: ακρίβεια, πίνακας σύγχυσης, μη ισορροπημένες κλάσεις
- Οπτικοποίηση απόδοσης μοντέλου: καμπύλη κέρδους, καμπύλη ROC, καμπύλη ανύψωσης
- Επιλογή μοντέλου και αναζήτηση πλέγματος για συντονισμό
Προετοιμασία Δεδομένων
- Εισαγωγή και αποθήκευση δεδομένων στην Python
- Διερευνητική ανάλυση και συνοπτικά στατιστικά
- Χειρισμός ελλειπουσών τιμών και ακραίων τιμών
- Τυποποίηση, κανονικοποίηση και μετασχηματισμός
- Επανακωδικοποίηση ποιοτικών δεδομένων και διευθέτηση δεδομένων με pandas
Αλγόριθμοι Ταξινόμησης
- Δυαδική vs πολυταξική ταξινόμηση
- Λογιστική παλινδρόμηση και διαχωριστικές συναρτήσεις
- Naïve Bayes, k-πλησιέστεροι γείτονες
- Δέντρα απόφασης: CART, Τυχαία Δάση, Bagging, Boosting, XGBoost
- Μηχανές Διανυσμάτων Υποστήριξης και πυρήνες
- Τεχνικές μάθησης συνόλου
Παλινδρόμηση και Αριθμητική Πρόβλεψη
- Ελαχίστων τετραγώνων και επιλογή μεταβλητών
- Μέθοδοι κανονικοποίησης: L1, L2
- Πολυωνυμική παλινδρόμηση και μη γραμμικά μοντέλα
- Δέντρα παλινδρόμησης και splines
Νευρωνικά Δίκτυα
- Εισαγωγή στα νευρωνικά δίκτυα και τη βαθιά μάθηση
- Συναρτήσεις ενεργοποίησης, επίπεδα και οπισθοδιάδοση
- Πολυεπίπεδα perceptrons (MLP)
- Χρήση TensorFlow ή PyTorch για βασική μοντελοποίηση νευρωνικών δικτύων
- Νευρωνικά δίκτυα για ταξινόμηση και παλινδρόμηση
Πρόβλεψη Πωλήσεων και Προγνωστική Ανάλυση
- Χρονοσειρές vs πρόβλεψη βασισμένη σε παλινδρόμηση
- Χειρισμός δεδομένων με εποχικότητα και τάση
- Δημιουργία μοντέλου πρόβλεψης πωλήσεων με χρήση τεχνικών ML
- Αξιολόγηση ακρίβειας πρόβλεψης και αβεβαιότητας
- Επιχειρηματική ερμηνεία και επικοινωνία αποτελεσμάτων
Μη Επιβλεπόμενη Μάθηση
- Τεχνικές συσταδοποίησης: k-means, k-medoids, ιεραρχική συσταδοποίηση, SOMs
- Μείωση διάστασης: PCA, ανάλυση παραγόντων, SVD
- Πολυδιάστατη κλιμάκωση
Εξόρυξη Κειμένου
- Προεπεξεργασία κειμένου και tokenization
- Bag-of-words, stemming και lemmatization
- Ανάλυση συναισθήματος και συχνότητα λέξεων
- Οπτικοποίηση δεδομένων κειμένου με σύννεφα λέξεων
Συστήματα Συστάσεων
- Συνεργατικό φιλτράρισμα βασισμένο σε χρήστες και σε αντικείμενα
- Σχεδιασμός και αξιολόγηση μηχανών συστάσεων
Εξόρυξη Προτύπων Συσχέτισης
- Συχνά σύνολα αντικειμένων και αλγόριθμος Apriori
- Ανάλυση καλαθιού αγοράς και λόγος ανύψωσης
Ανίχνευση Ακραίων Τιμών
- Ανάλυση ακραίων τιμών
- Μέθοδοι βασισμένες σε απόσταση και πυκνότητα
- Ανίχνευση ακραίων τιμών σε δεδομένα υψηλής διάστασης
Μελέτη Περίπτωσης Μηχανικής Μάθησης
- Κατανόηση του επιχειρηματικού προβλήματος
- Προεπεξεργασία δεδομένων και μηχανική χαρακτηριστικών
- Επιλογή μοντέλου και συντονισμός παραμέτρων
- Αξιολόγηση και παρουσίαση ευρημάτων
- Υλοποίηση
Σύνοψη και Επόμενα Βήματα
Απαιτήσεις
- Βασικές γνώσεις εννοιών μηχανικής μάθησης, όπως επιβλεπόμενη και μη επιβλεπόμενη μάθηση
- Εξοικείωση με προγραμματισμό Python (μεταβλητές, βρόχοι, συναρτήσεις)
- Κάποια εμπειρία στον χειρισμό δεδομένων με βιβλιοθήκες όπως pandas ή NumPy είναι χρήσιμη αλλά δεν απαιτείται
- Δεν αναμένεται προηγούμενη εμπειρία σε προηγμένη μοντελοποίηση ή νευρωνικά δίκτυα
Κοινό-στόχος
- Επιστήμονες δεδομένων
- Αναλυτές επιχειρήσεων
- Μηχανικοί λογισμικού και τεχνικοί επαγγελματίες που εργάζονται με δεδομένα
Σχόλια (3)
Μου άρεσαν πολύ τα τελικά όπου είχαμε την ευκαιρία να παίξουμε με το CHAT GPT. Η αίθουσα δεν ήταν κατά κάποιον τρόπο η καλύτερη γι' αυτό - αντί να υπάρχει μια μεγάλη τράπεζα, δυο μικρές θα βοήθησαν και θα μπορούσαμε να σχηματίσουμε μικρότερους ομάδες για διαδικασίες υποστήριξης.
Nola - Laramie County Community College
Κομμάτι - Artificial Intelligence (AI) Overview
Μηχανική Μετάφραση
Εργασία από τη βάση με εστιασμένο τρόπο και μετάβαση στην εφαρμογή περιπτώσεων στο ίδιο χρονικό διάστημα
Maggie Webb - Department of Jobs, Regions, and Precincts
Κομμάτι - Artificial Neural Networks, Machine Learning, Deep Thinking
Μηχανική Μετάφραση
Ότι χρησιμοποιούσε πραγματικά δεδομένα επιχειρήσεων. Ο καθηγητής είχε μια πολύ καλή προσέγγιση, κάνοντας τους εκπαιδευόμενους να συμμετέχουν και να ανταγωνίζονται
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Κομμάτι - Applied AI from Scratch in Python
Μηχανική Μετάφραση
