Основы машинного обучения
Основы машинного обучения: классификация, регрессия, кластеризация, ансамбли, нейронные сети. Курс дает представление об основных группах методов машинного обучения и их применении для решения задач анализа текстов, прогнозирования цены и выдачи рекомендаций. В практической части курса участники будут работать с признаками, перебирать параметры моделей и строить ансамбли, используя язык Python.
92%Программа курса
Ознакомьтесь с программой курса «Основы машинного обучения» от Учебный центр IBS - ibs-training.ru
- Виды задач машинного обучения. Что такое машинное обучение Виды моделей машинного обучения Этапы машинного обучения Типовые задачи Компоненты решений задач.
- Библиотеки для машинного обучения. NumPy, Pandas, SciPy, Matplotlib, Scikit-learn, Tensorflow.
- Выборки и валидация. Оценка моделей Функции потерь Виды метрик Разбиение на выборки: обучающую, тестовую, проверочную.
- Линейные методы для регрессии и классификации. Линейная регрессия Логистическая регрессия Оптимизация: градиентный спуск.
- Деревья. Деревья решений Ансамбли: бустинг, бэггинг (случайный лес).
- Методы кластеризации. Разновидности методов Оценка качества кластеризации K-means DBSCAN.
- Снижение размерности. Зачем снижать размерность Методы отбора признаков Методы конструирования признаков Выявление аномалий.
- Нейронные сети. Нейросетевой подход в машинном обучении Популярные типы задач, решаемые нейронными сетями Устройство нейронных сетей.
Чему вы научитесь
- Освоите и сможете применять: снижение размерности. зачем снижать размерность методы отбора признаков методы конструирования признаков выявление аномалий.
- Освоите и сможете применять: линейные методы для регрессии и классификации. линейная регрессия логистическая регрессия оптимизация градиентный спуск.
- Освоите и сможете применять: деревья. деревья решений ансамбли бустинг, бэггинг (случайный лес).
Подробная информация о курсе
Основы машинного обучения: классификация, регрессия, кластеризация, ансамбли, нейронные сети. Курс дает представление об основных группах методов машинного обучения и их применении для решения задач анализа текстов, прогнозирования цены и выдачи рекомендаций. В практической части курса участники будут работать с признаками, перебирать параметры моделей и строить ансамбли, используя язык Python.
Цены и сроки
- Стоимость2 900 ₽
- Старая цена34 500 ₽
- Дата началаc Invalid Date
Содержание
- Формат обученияс преподавателем
По окончанию курса
- Диплом или сертификатсертификат
Похожие курсы
0,0
0,0
15 000 ₽
5,0
69 000 ₽
5,0
230 000 ₽230 ₽/мес рассрочка
5,0
123 451 ₽
0,0
145 900 ₽145 900 ₽/мес рассрочка
Основы машинного обучения
2 900 ₽ 34 500 ₽