Курс: Основи машинного навчання (Кудін О.В.)

Структура за темами

Загальне
Загальне
Життєвий цикл проектів з аналізу даних CRISP DM. Розвідувальний аналіз даних.
Статистичні розподілення. Кореляційно-регресійний аналіз: метод найменших квадратів, коефіцієнти кореляції, діаграма розсіювання.
Основи класифікації: логістична регресія, наївний класифікатор Баєса, дерева рішень, метод k найближчих сусідів, метод опорних векторів.
Основи кластеризації: метод k середніх. Метрики оцінки якості регресії, класифікації, кластеризації. Метод кросвалідації. Засоби мови програмування Python розв’язання задач кореляції, класифікації, кластеризації: бібліотека sklearn.
У практичній частині курсу розв'язуються наступні задачі: класифікація на наборі даних Iris, Mnist. Регресія на наборі даних цін на нерухомість. Навчання з вчителем, без вчителя, з підкріпленням.
Лекційні та лабораторні заняття: доцент кафедри програмної інженерії Кудін Олексій Володимирович
e-mail: alexkudin@znu.edu.ua
Join Zoom Meeting
https://us04web.zoom.us/j/9971262369?pwd=KbnZh7gVBfvt9ukRYJuiYTeohyuLVj.1
Meeting ID: 997 126 2369
Passcode: KdNF4T

Лабораторні заняття: PhD, доцент кафедри програмної інженерії Столярова Анастасія Валеріївна
e-mail: st_av991@ukr.net
Тел.: +38 (050) 104 86 16
Інші засоби зв’язку: Telegram (приватні повідомлення починати з номеру Вашої групи, прізвища та імені), Moodle (приватні повідомлення)
Лабораторні заняття з курсу «Основи машинного навчання» відбуватимуться на базі платформи Zoom згідно звичного розкладу.
URL для підключення: https://zoom.us/j/5067593115?pwd=Y3g5VlppUllhU0ExMTk0ZUVlSGVuUT09
Ідентифікатор конференції: 506 759 3115
Код доступу: 721972
Вхід після прийняття учасника організатором.

Викладач: доцент кафедри програмної інженерії, PhD, Чопорова Оксана Володимирівна (кафедра програмної інженерії 19 каб. 1 к.)
Способи зв'язку з викладачем: e-mail o.choporova@gmail.com
telegram @Oksana_Choporova
Пари проходять на платформі ZOOM відповідно розкладу

посилання https://us02web.zoom.us/j/9106991507?pwd=rpEaTA4aBygmV6OAU4wu0GBbYsXic6.1
Ідентифікатор конференції: 910 699 1507
Код доступу: 5tJQW1
1. Пояснювальний аналіз даних.
1. Пояснювальний аналіз даних.
2. Попередня обробка даних
2. Попередня обробка даних
- Лабораторна робота №2. Попередня обробка даних Завдання
  Для набору даних https://www.kaggle.com/datasets/arashnic/imbalanced-data-practice виконати такі завдання:
  
  1. Виконати описовий аналіз даних. Візуалізувати дані у вигляді гістограм та точкових діаграм
  2. Ознайомитись з методами балансування даних SMOTE та ADASYN (https://imbalanced-learn.org/stable/over_sampling.html#from-random-over-sampling-to-smote-and-adasyn)
  3. Виконати балансування даних методами SMOTE та ADASYN, візуалізувати дані після балансування
- Лекція 09/24 URL (веб-посилання)
3. Лінійні моделі прогнозування
3. Лінійні моделі прогнозування
- Лабораторна робота №3. Лінійна регресія. Множинна лінійна регресія. Методи регуляризації Завдання
  Для набору даних California Housing (https://scikit-learn.org/1.5/modules/generated/sklearn.datasets.fetch_california_housing.html)
  1. Побудувати гребневу регресію (https://scikit-learn.org/stable/modules/linear_model.html#ridge-regression-and-classification) залежності ціни від параметрів нерухомості
  2. Побудувати Lasso регресійну модель (https://scikit-learn.org/stable/modules/linear_model.html#lasso) залежності ціни від параметрів нерухомості
  3. Побудувати регресію Еластична мережа (https://scikit-learn.org/stable/modules/linear_model.html#elastic-net)
  4. Порівняти отримані результати. Яка модель точніше наближає дані? У яких випадках буде точніше гребнева, Lasso регресії або Еластична мережа?
- Лабораторна робота №4. Логістична регресія Завдання
  Для набору даних Fraud detecton (https://www.kaggle.com/datasets/whenamancodes/fraud-detection)
  1. Провести описовий аналіз даних.
  2. Виконати попередню обробку даних.
  3. Побудувати декілька моделей класифікації та порівняти ефективність. Протестувати ефективність моделей з різними варіантами попередньої обробки даних.
- Приклад регресії URL (веб-посилання)
4. Моделі інформаційного навчання
4. Моделі інформаційного навчання
- Презентація. Дерева рішень URL (веб-посилання)
- Приклад. Дерева рішень URL (веб-посилання)
- Приклад класифікації URL (веб-посилання)
- Лекція. Дерева розв'язків URL (веб-посилання)
- Лабораторна робота №5. Дерева розв'язків у задачах класифікації та регресії Завдання
  Для набору даних https://www.kaggle.com/datasets/uciml/iris
  
  1. Виконати описовий аналіз даних. Візуалізувати дані у вигляді гістограм та точкових діаграм
  2. Виконати побудову дерев розв'язків для класифікації.
  3. Визначити точність побудованої моделі за такими метриками: Confusion matrix, Accuracy, Precision, Recall, F1 Score, застосувати крос-валідацію.
  Для набору даних Boston House Prices https://www.kaggle.com/vikrishnan/boston-house-prices виконати такі завдання:
  1. Виконати описовий аналіз даних
  2. Підготувати дані для моделювання, використовуючи розділення даних на вибірку для навчання та тренування (https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html)
  3. Побудувати лінійну регресійну модель (https://scikit-learn.org/stable/modules/linear_model.html#ordinary-least-squares) залежності ціни від параметрів нерухомості із використанням дерев розв'язків регресії.
  4. Побудувати нелінійну регресійну модель (https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsRegressor.html) залежності ціни від параметрів нерухомості
  5. Використати крос-валідацію (https://scikit-learn.org/stable/modules/cross_validation.html) для остаточного визначення точності побудованих моделей
  6. Порівняти отримані результати. Яка модель (лінійна або нелінійна) точніше наближає дані?
  7. Які метрики використовуються для визначення точності моделей регресії?
5. Моделі на основі схожості та помилок
5. Моделі на основі схожості та помилок
- Лабораторна робота №6. Метод опорних векторів Завдання
  Для набору даних https://www.kaggle.com/datasets/uciml/iris
  
  1. Виконати застосування методу опорних векторів для класифікації
  2. Виконати пошук оптимальних гіперпараметрів класифікатора за допомогою GridSearchCV та RandomizedSearchCV.
  3. Визначити точність побудованої моделі за такими метриками: Confusion matrix, Accuracy, Precision, Recall, F1 Score, застосувати крос-валідацію.
- Приклад SVM URL (веб-посилання)
- Лабораторна робота №7. Метод найближчих сусідів (KNN) Завдання
  Задача прогнозування відтоку клієнтів (Churn prediction) полягає у визначенні, які клієнти компанії можуть припинити користуватися її послугами або продуктами протягом певного часу.
  Факт відтоку зазвичай кодується міткою (0 або 1) та позначає клієнтів, які припинять користуватися продуктом або послугою протягом певного періоду часу. Клієнти відмовляються від користування послугами з різних причин, таких як погане обслуговування, незадоволення продуктом, чутливість до ціни, кращі альтернативи та зміни обставин, наприклад переїзд. Аналітики даних знаходять ознаки, що можуть впливати на відтік, та будуть відповідні прогнозні моделі машинного навчання.
  Для набору даних https://www.kaggle.com/datasets/fridrichmrtn/user-churn-dataset
  1. Виконати описовий аналіз даних.
  2. На основі описового аналізу даних зробити висновки про необхідні процедури обробки даних та виконати попередню обробку даних.
  3. Побудувати моделі класифікації: KNN, Random Forest, SVM, Gradient Boosting.
  4. Оцінити якість побудованих моделей за допомогою кросвалідації із використанням метрики https://scikit-learn.org/1.5/modules/generated/sklearn.metrics.matthews_corrcoef.html
6. Ансамблеві моделі
6. Ансамблеві моделі
- Презентація. Випадкові ліси URL (веб-посилання)
- Лекція. Випадкові ліси URL (веб-посилання)
- Приклад. Випадковий ліс URL (веб-посилання)
- Лабораторна робота №8. Порівняння методів ансамблювання Завдання
  Для набору даних https://matbench.materialsproject.org/Leaderboards%20Per-Task/matbench_v0.1_matbench_steels/
  
  1. Побудувати ансамблеві моделі прогнозування використовуючи такі алгоритми: Random Forest, AdaBoost, XGBoost, мета модель StackNet.
  2. Виконати пошук оптимальних гіперпараметрів класифікатора за допомогою GridSearchCV та RandomizedSearchCV.
  3. Визначити точність побудованої моделі за відповідними метриками.
  Приклад https://colab.research.google.com/drive/1GgPw9VrCTQBsbDD-iaQ_YTXu4j4vmhLo?usp=sharing
7. Навчання без вчителя
7. Навчання без вчителя
- Лабораторна робота №9 Завдання
  Для набору даних https://www.kaggle.com/datasets/mehmettahiraslan/customer-shopping-dataset розв'язати задачу сегментації клієнтів. Виконати такі дії.
  1. Провести описовий аналіз даних.
  2. Виконати попередню обробку даних.
  3. Застосувати методи кластеризації: K-means, DBSCAN, спектральна кластеризація.
  4. Для методу K-means визначити оптимальну кількість кластерів.
  5. Проаналізувати окремо кожний сегмент клієнтів та зробити висновки.
  Приклад. https://colab.research.google.com/drive/1NPJbaQI5PCoQWMCXVVidOSStCarsO7Z7?usp=sharing
8. Організація обчислювального процесу моделей машинного навчання
8. Організація обчислювального процесу моделей машинного навчання
- Лабораторна робота №10. Розгортання моделей машинного навчання Завдання
  Розгортання моделей машинного навчання засобами mlflow
Екзамен
Екзамен
- Екзамен Завдання