Descripción del proyecto

Curso Online

Curso sobre Aprendizaje automático con Python: de modelos lineales al aprendizaje profundo

Visión general del curso sobre Aprendizaje automático con Python: de modelos lineales al aprendizaje profundo

Si tiene preguntas específicas sobre este curso, contáctenos en sds-mm@mit.edu .

Los métodos de aprendizaje automático se utilizan comúnmente en la ingeniería y las ciencias, desde los sistemas informáticos hasta la física. Además, los sitios comerciales como los motores de búsqueda, los sistemas de recomendación (p. Ej., Netflix, Amazon), los anunciantes y las instituciones financieras emplean algoritmos de aprendizaje automático para recomendar contenido, predecir el comportamiento del cliente, el cumplimiento o el riesgo.

Como disciplina, el aprendizaje automático intenta diseñar y comprender programas informáticos que aprenden de la experiencia con el propósito de predecir o controlar.

En este curso, los estudiantes aprenderán sobre principios y algoritmos para convertir los datos de entrenamiento en predicciones automatizadas efectivas. Cubriremos:

  • Representación, sobreajuste, regularización, generalización, dimensión VC;
  • Agrupación, clasificación, problemas de recomendación, modelado probabilístico, aprendizaje por refuerzo;
  • Algoritmos en línea, máquinas vectoriales de soporte y redes neuronales / aprendizaje profundo.

Los estudiantes implementarán y experimentarán con los algoritmos en varios proyectos de Python diseñados para diferentes aplicaciones prácticas.

Este curso es parte del Programa MITx MicroMasters en Estadística y Ciencia de Datos . Domine las habilidades necesarias para ser un practicante informado y eficaz de la ciencia de datos. Completará este curso y otros tres de MITx, a un ritmo y nivel de rigor similares a los de un curso presencial en el MIT, y luego tomará un examen supervisado virtualmente para obtener sus MicroMasters, una credencial académica que demostrará su competencia en ciencia de datos o acelere su camino hacia un doctorado del MIT o una maestría en otras universidades. Para obtener más información sobre este programa, visite https://micromasters.mit.edu/ds/ .

Lo que aprenderás en este curso

  • Comprender los principios detrás de los problemas de aprendizaje automático, como clasificación, regresión, agrupamiento y aprendizaje reforzado.
  • Implementar y analizar modelos como: modelos lineales, máquinas kernel, redes neuronales y modelos gráficos.
  • Elija modelos adecuados para diferentes aplicaciones
  • Implemente y organice proyectos de aprendizaje automático, desde capacitación, validación, ajuste de parámetros hasta ingeniería de funciones.

Plan de estudio del curso

Conferencias

  • Introducción
  • Clasificadores lineales, separabilidad, algoritmo de perceptrón
  • Hiperplano de margen máximo, pérdida, regularización
  • Descenso de gradiente estocástico, sobreajuste, generalización
  • Regresión lineal
  • Problemas de recomendación, filtrado colaborativo
  • Clasificación no lineal, granos
  • Funciones de aprendizaje, redes neuronales
  • Aprendizaje profundo, propagación hacia atrás
  • Redes neuronales recurrentes
  • Redes neuronales recurrentes
  • Generalización, complejidad, dimensión VC
  • Aprendizaje no supervisado: agrupación
  • Modelos generativos, mezclas
  • Mezclas y el algoritmo EM
  • Aprender a controlar: aprendizaje por refuerzo
  • Continuó el aprendizaje por refuerzo
  • Aplicaciones: procesamiento del lenguaje natural

Proyectos

  • Analizador de revisión automático
  • Reconocimiento de dígitos con redes neuronales
  • Aprendizaje reforzado

Aprendizaje automático con Python: de modelos lineales al aprendizaje profundo

Etiquetas: