Вы используете мобильную версию

перейти на Полную версию сайта

Доступно

[udemy] Введение в машинное обучение (Центр digital-профессий ITtensive)

Тема в разделе "Курсы по программированию", создана пользователем Июньская роза, 16 май 2020.

Цена:
1499р.
Взнос:
61р.

Список участников складчины:

1. Июньская роза
Тип: Стандартная складчина
Оценить эту складчину: /5,
  1. 16 май 2020
    #1
    Июньская роза
    Июньская роза Организатор Организатор
    [udemy] Введение в машинное обучение (Центр digital-профессий ITtensive)
    Задачи и процесс машинного обучения, работа с моделью и данными, линейные метрики и простые модели.

    Чему вы научитесь
    Задачи и процесс машинного обучения
    Данные для машинного обучения
    Особенности обучение моделей
    Экспорт и импорт результатов машинного обучения
    Метод максимального правдоподобия
    Линейная регрессия и регуляризация
    Среднеквадратичная ошибка и другие метрики
    Полиномиальная и нелинейная регрессия
    Логистическая регрессия
    Требования
    Школьная математика
    Интерес к искусственному интеллекту и(ли) большим данным

    Описание
    Работа с большими данными и задачами искусственного интеллекта требует особого подхода - подхода машинного обучения. В этом курсе мы последовательно пройдем все этапы работы с данными: от видов задач и их постановки до работы с моделями машинного обучения для минимизации предсказательной ошибки.

    Дополнительно рассмотрим фундаментальные основы построения моделей машинного обучения, базовые метрики и наиболее простые модели - линейную и логистическую регрессии.

    Курс является вводным и подойдет широкому кругу слушателей: от руководителей до разработчиков.

    Для кого этот курс:
    Руководители и менеджеры
    Разработчики больших систем
    Научные работники
    Директора по маркетингу и продажам

    Материалы курса

    Процесс машинного обучения
    Задачи машинного обучения
    Задачи машинного обучения
    Модель и процесс машинного обучения
    Процесс ETL
    Процесс машинного обучения

    Подготовка данных
    EDA
    Подготовка данных
    Подготовка данных

    Модель машинного обучения
    Разбиение выборки
    Оптимизация гиперпараметров
    Недообучение и переобучение
    Обучение модели
    Использование HDF

    Базовые методы и оценки
    Метод максимального правдоподобия
    Метод наименьших квадратов
    Метод наименьших квадратов
    Аппроксимация пропусков в данных
    Аппроксимация данных
    Среднеквадратичная ошибка
    Метрики и расстояния
    Метрики и расстояния

    Линейные модели
    Линейная регрессия и L1/L2-регуляризация
    Линейная регрессия
    BIC и AIC
    Полиномиальная регрессия
    Линеаризация регрессии
    Нелинейная регрессия
    Логистическая регрессия
    Линейные модели