Длительность: 24 ч.
Описание
Вводный курс - начало длинного и интересного пути по изучению машинного обучения. Вместо классического академического подхода «математика – теория ML – примеры – практика» данный курс в первую очередь ориентирован на практику. Теория и математическое обоснование, а именно: как работают алгоритмы и, главное, почему они работают в принципе, тоже очень важны. Но их изучать более разумно на следующих этапах, когда встанет вопрос об улучшении и оптимизации результатов.
Практический пример начнётся с жизненной задачи: есть набор таблиц с исходными данными (в Excel), но непонятно, что с ними можно сделать и как ко всему этому применить «волшебную» BigData. С помощью техник машинного обучения будет показано, как можно разобраться с закономерностями в этих данных и каким образом можно представить результаты в виде, понятном бизнес-заказчикам (графики, новые более простые таблицы и тому подобное).
После этого будут рассмотрены базовые классы задач, где машинное обучение эффективно, и также на примере будет показано, как данные задачи можно решить. Но, конечно, просто применение готовых формул малоэффективно – внимание будет уделено также и трактовке результатов, и в немалой степени представлению результатов конечным потребителям данных.
На дискуссионной части курса можно будет обсудить стоящие перед слушателями практические задачи, попробовать их формализовать и даже предсказать возможные трудности в реализации.
Разбираемые темы
1. Обзор задачи (1 час – теория).- Какие задачи хорошо решаются машинным обучением, а какие им пытаются решать.
- Что произойдёт, если вместо Data Scientist взять неспециалиста в данной области (просто разработчика/аналитика/менеджера) с ожиданием, что в процессе научится.
2. Подготовка, очистка, исследование данных (1 час – теория, 1 час – практика).
- Как разобраться в исходных бизнес-данных (и вообще обнаружить в них какой бы то ни было порядок).
- Последовательность обработки.
- Что можно и нужно переложить на аналитиков предметной области, а что лучше сделать самому Data Scientist.
- Приоритеты решения конкретной задачи.
3. Классификаторы и Регрессоры (2 часа – теория, 2 часа – практика).
- Практический раздел - хорошо формализованные задачи с подготовленными данными.
- Разница между задачами (бинарная/небинарная/вероятностная классификация, регрессии), перераспределение задач между классами.
- Примеры классификации практических задач.
4. Кластеризация (1 час – теория, 2 часа – практика).
- Где и как проводить кластеризацию: исследование данных, проверка постановки задачи, проверки результатов.
- Какие случаи можно свести к кластеризации.
5. Что такое хорошо (1 час – теория, 1 час – практика).
- Как оценивать результаты, как привыкли это делать заказчики.
- Объяснение непривычных оценок или сведение их к привычным.
- Частные бессмысленные вопросы и что на них ответить.
- Кросс-валидация и как её делать не надо.
- Удивительные примеры оверфита и как он проникает в даже чуть небрежную архитектуру.
6. Как улучшать модель (5 часов – теория, 3 часа – практика).
- Что делает одну модель лучше другой: параметры, признаки, ансамбли.
- Немного про параметры.
- Детально про признаки, с практикой построения и соревнованиями. Как не переборщить с признаками.
- Взгляд в бездну инструментария для поиска лучших параметров/признаков/методов.
7. Графики, отчеты, работа с живыми задачами (2 часа – теория, 2 часа – практика).
- Как доступно объяснить происходящее: себе, команде, клиенту.
- Более красивые ответы на бессмысленные вопросы.
- Как презентовать три терабайта результатов на одном слайде.
- Полуавтоматические тесты, какие точки контроля процесса действительно нужны.
- От живых задач к полному R&D процессу («НИОКР на практике») – разбор и анализ задач от аудитории.
Цели
- Понять, какие задачи можно решать машинным обучением (и узнать, что Big Data это всего лишь подраздел, а не обязательное требование).
- Научиться применять начальные методы машинного обучения и с помощью быстрого прототипирования научиться отвечать на вопрос «оценить реальную прибыль от возможного внедрения».
- Подсветить, какие данные необходимо собирать и что может потребоваться от них в ближайшем будущем. Почему «хотим хранить петабайты» это не всегда просто прихоть.
- Подготовится к более сложным темам, в частности – к полным решениям реальных сложных бизнес-задач.
- Посмотреть, как именно машинное обучение стыкуется с классической аналитикой. В частности, убедиться, что не обязательно (и даже вредно) увольнять всех существующих аналитиков для внедрения концепции.
Целевая аудитория
Основная:- Аналитики
- Менеджеры проектов, связанных с данными
- Технические лидеры / ведущие разработчики в любых проектах, связанных с данными
- Бизнес-аналитики
- Разработчики
- Инженеры данных (Data Engineer)
- Архитекторы, системные проектировщики
