Машинное обучение в задачах прогнозирования или предсказание по прецедентам в производственных процессах

Главная / Расписание открытых тренингов / Машинное обучение в задачах прогнозирования или предсказание по прецедентам в производственных процессах

Открытый тренинг

Выберите дату проведения:

Участвовать

О курсе: Специализированный

Смотреть программу

Данный курс рекомендуется следующей аудитории: руководители технологических служб, сотрудники отделов стратегического планирования и технологического развития производств, руководители и специалисты IT-служб.

Программа тренинга

ДЕНЬ 1. Введение в машинное обучение и типы предсказаний

ДЕНЬ 2. Оценка качества моделей, прогнозирование отказов. Разбор практических примеров

1. Если от вашей компании планируется 3 и более человека, даты проведения могут быть скорректированы в соответствии с вашими потребностями, либо назначены дополнительные даты.

2. Формат проведения в указанные даты может быть быть изменен в соответствии с потребностями участников (очный - на онлайн и наоборот).

Продолжительность:

Off-line: 2 дня/ 16 академических часов

On-line: 2 дня/ 16 академических часов

Требования к слушателям:

Высшее образование

Вы получите:

•

комплект методических материалов

•

сертификат

•

примеры методов машинного обучения на языке Python

•

анализ реального набора данных с вашего производства и построение предсказательной модели на его основе

•

3-месячную консультационную поддержку по окончанию курса

Стоимость участия

От компании

один человек (от компании)

55 000 руб.

два и более человека (от компании)

54 000 руб.

Физическое лицо

54 000 руб.

* Все скидки действуют только при предоплате.

** Стоимость участия может изменяться в зависимости от даты и места проведения.

Программа

ДЕНЬ 1. Введение в машинное обучение и типы предсказаний

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ

О машинном обучении
1. Понятие машинного обучения
2. Виды машинного обучения
3. История развития машинного обучения
Предсказание классическими методами машинного обучения
1. Регрессия: линейная, логистическая
2. Классификация: NBC, k-NN, SVM, DT, RF
Предсказание с помощью искусственных нейронных сетей
1. Принцип работы и архитектура ИНС
2. Преимущества и недостатки ИНС
3. Особенности процедуры обучения моделей на основе ИНС

ДЕНЬ 2. Оценка качества моделей, прогнозирование отказов. Разбор практических примеров

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ

Оценка качества моделей
1. Виды ошибок предсказания
2. Метрики оценки качества модели
3. Переобучение
Практические примеры использования машинного обучения
1. Прогнозирование отказов
2. Оценка оставшегося времени полезной жизни
3. Подбор оптимальных параметров технологических процессов
С чего начать знакомство с машинным обучением
1. Python
2. Облачные сервисы машинного обучения

После окончания обучения вы сможете

оценивать полноту и качество наборов данных, готовить наборы данных для машинного обучения

оценивать эффективность различных алгоритмов машинного обучения и оптимизировать их параметры для достижения наилучшего предсказания

применять различные методы машинного обучения для прогнозирования состояния систем