[Udemy] Введение в машинное обучение
Цена:
220
![[?IMG]](proxy14p.php?image=https%3A%2F%2Fc28399.nl01.servers.im%2Fskladc%2Fimg%2F1066%2Fim-p1066551-0.jpg&hash=3e9c464a5f3eba9bdb6a6498068b2b2d&v=4)
? 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
- Школьная математика
- Интерес к искусственному интеллекту и(ли) большим данным
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
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
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