Скачать 

[Mathshub] Machine Learning. Тариф Начало пути (Олег Булыгин)

  • Дата начала
Информация
Тип покупки: Оптовая
Цена: 295 РУБ

Организатор: Аноним Аноним
Статус:
Набор участников
Список участников
Аноним
Аноним
Маска Организаторов
Организатор
Сообщения
Монеты
+89.5
Оплачено
5
Купоны
0
Кешбэк
0
Баллы
0
  • @Skladchiki
  • #1

Складчина: [Mathshub] Machine Learning. Тариф Начало пути (Олег Булыгин)

Ссылка на картинку
изображение
Чему мы научим на Machine Learning:
На этом модуле вы изучите взаимосвязь между независимыми и зависимыми переменными, научитесь предсказывать значения последней на основе первых и разделять наблюдения на заранее определенные категории или классы на основе их признаков.
Вы поймёте, как нескольким разработчикам работать над одним проектом одновременно, улучшая качество и скорость его разработки, а также узнаете, что такое кластеризация и подготовка данных.
◆ Узнаете всё о машинном обучении
Машинное обучение — подраздел искусственного интеллекта, который обучает системы самостоятельно
учиться и делать прогнозы или принимать решения на основе данных. На модуле вы начнёте изучать тему машинного обучения с введения, узнаете, каким оно бывает и какие основные компоненты его работы.
◆ Познакомитесь с ключевыми алгоритмами
Вы разберётесь в ключевых моментах работы машинного обучения, познакомитесь с понятием градиентного спуска. Это оптимизационный алгоритм, используемый для минимизации функций потерь в методах машинного обучения и искусственного интеллекта.
◆ Научитесь создавать ml-пайплайны
ML-пайплайн — это набор этапов, выполнение которых приводит к созданию и обучению модели машинного обучения. Это методология разработки моделей, которая помогает улучшить процесс их создания, отладки и масштабирования. На модуле вы научитесь создавать пайплайны с нуля, развивать их, изучите их функционал.
◆ Изучите полезные приёмы при работе с данными
Вы начнёте разбираться в том, как оптимизировать скорость работы и наладить процесс обработки данных. Узнаете, зачем необходимо использование кросс-валидации для оценки производительности, как делать предобработку данных и тонкую настройку.
Что включено в модуль:
Введение в ML: каким оно бывает и каковы основные компоненты метрики и 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
Программа модуля:
20 ак. часов / 5 недель
Формат обучения: Лекция + семинар
Регрессии
Классификация
Парное программирование — Алгоритмы ML
Кластеризация
Подготовка данных
Продвинутые подходы ML
Твои навыки после обучения
Основы теории машинного обучения
Валидирование данных
Построение регрессии, кластеризации и градиентного спуска
Создание ML-пайплайнов с нуля и их развитие
Mathshub — международная школа анализа данных и разработки.
Преподаватель модуля: Олег Булыгин. Machine Learning
7 лет опыта в управленческих должностях в научно-производственных компаниях космической отрасли.
 
Зарегистрируйтесь , чтобы посмотреть скрытый авторский контент.
Поиск по тегу:
Теги
mathshub ml-пайплайн ключевые алгоритмы машинное обучение олег булыгин
Похожие темы
Просмотры
59
Просмотры
56
Просмотры
48
Просмотры
49
Просмотры
47
Показать больше похожих складчин

Зарегистрируйте учетную запись или войдите, чтобы обсуждать и скачивать материалы!

Зарегистрироваться

Создайте учетную запись. Это быстро!

Авторизоваться

Вы уже зарегистрированы? Войдите здесь.

Сверху