[Тариф: Начало пути] [Mathshub] [Олег Булыгин]

[SlivInfoKurs]

Описание:
Обучение на курсе Machine Learning включает:
В ходе этого модуля вы углубитесь в понимание связей между независимыми и зависимыми переменными, научитесь прогнозировать значения последних, основываясь на первых, а также классифицировать наблюдения по определённым заранее категориям или классам на основе их характеристик.
Вы освоите техники совместной работы нескольких разработчиков над одним проектом, что повышает эффективность и скорость его реализации. Также вы получите знания о кластеризации и подготовке данных.
◆ Основы машинного обучения
Машинное обучение является частью искусственного интеллекта, задачей которого является обучение систем самообучению и предсказаниям или принятию решений на основе данных. Вам предстоит начать изучение машинного обучения с базы, познакомиться с его видами и ключевыми элементами.
◆ Знакомство с важными алгоритмами
Вы освоите ключевые аспекты работы машинного обучения и поймёте, что такое градиентный спуск. Этот оптимизационный алгоритм служит для минимизации функций потерь в методах машинного обучения и AI.
◆ Навыки создания ml-пайплайнов
ML-пайплайн - это последовательность этапов, приводящих к созданию и обучению модели машинного обучения. Это подход к разработке моделей, который помогает усовершенствовать процесс их создания, отладки и масштабирования. Вы научитесь создавать пайплайны с нуля и развивать их, ознакомитесь с их функционалом.
◆ Работа с данными: полезные техники
Вы начнёте изучать как ускорить работу и настроить обработку данных. Узнаете, почему важно проводить кросс-валидацию для оценки производительности, как осуществлять предобработку данных и тонкую настройку.

Что входит в модуль:
Введение в ML: виды ML и основные компоненты метрики, задача линейной регрессии
Градиентный спуск
Обобщающая способность модели: метод отложенной выборки / Кросс-валидация
Линейная классификация: оценка вероятности
Матрица ошибок и основные метрики классификации
ROC, PR-кривые, AUC-ROC, AUC-PR
Градиентный бустинг
Bias-variance trade-off
Кластеризация
Рекомендательные системы
Машинное обучение: классические задачи и алгоритмы
Создание ML-пайплайна с нуля и развитие ML-пайплайна

Структура модуля:
20 ак. часов на протяжении 5 недель
Формат обучения: Лекция + семинар

Регрессии
Классификация
Парное программирование — Алгоритмы ML
Кластеризация
Подготовка данных
Продвинутые методы ML

Навыки, которые вы приобретёте:
Основные принципы теории машинного обучения
Валидацию данных
Создание регрессий, кластеризации и градиентного спуска
Разработка ML-пайплайнов с нуля и их дальнейшее развитие

Mathshub — международное учебное заведение в области анализа данных и разработки.
Преподаватель модуля: Олег Булыгин. Machine Learning
7 лет руководствующего опыта в компаниях космической отрасли.

Тариф: Первые шаги
Записи занятий модуля
Проверка домашнего задания

Стоимость на данный момент: 9899р. (14099р.)
Скрытая ссылка

Этот курс появится в скором времени на форуме SLIVINFOKURS.BIZ. Проверьте по поиску форума, возможно данный курс уже слит.

​