Дълбоки невронни мрежи (Deep learning)

Това е ускорен курс по дълбоко машинно обучение с акцент върху развиването на практическо разбиране на процеса на конструиране на модели за решаване на сложни проблеми, свързани с неструктурирани данни. Учебната програма обхваща редица теми, включително въведение в дълбоките невронни мрежи и методите за тяхното обучение. Освен това, курсът се задълбочава в конволюционните мрежи за анализ на изображения и видеоклипове, трансформатори за обработка на естествен език, генеративни големи езикови модели (например ChatGPT) и модели за преобразуване на текст в изображение (например Midjourney). Предварителното познаване основните концепции за машинно обучение, както и базови умения за работа с Python са задължителни. От обучаемите се очаква да имат поне първоначалнва представа за обучение, валидиране, тестване, настройване и регуляризация на машинно обучавани модели.

Неконтролираното машинно обучение (Unsupervised Learning)

Едни от често поставяните задачи пред машинното обучение е да се открият закономерности в данните, без да се правят прогнози. Това се нарича неконтролирано обучение (ан. unsupervised learning). Например, такава задача е групирането на потребители въз основа на демографски и поведенчески данни, в т.ч. и история на техните покупките, за провеждане на персонализирани маркетингови кампании. Друг случай на използване е стпемежът да се опишат ненаблюдаеми/латентни фактори, които оказват най-голямо влияние върху разликите в поведението на потребителите в различни общности.

Този курс предоставя въведение в клъстеризацията, намаляването на размерността, генериране на асоциативни правила и откриване на аномалии с програмния език R от гледна точка на машинното обучение, така че да можете да преминете от данни към прозрения и решения възможно най-бързо.