Содержание курса
1. Машинное обучение
5 уроков
54 786
21 438
68м
474
Закрытый
1.1
Введение в машинное обучение
↗
25 925
6 878
16м 36с
241
Закрытый
1.2
Линейные алгоритмы в машинном обучении
↗
9 781
4 972
17м 39с
96
Закрытый
1.3
Метрики машинного обучения
↗
6 705
3 051
20м 33с
79
Закрытый
1.4
Алгоритмы машинного обучения. Выбор модели
↗
5 578
5 578
15м 54с
50
Открытый
1.5
Домашнее задание
↗
6 797
959
2м 46с
8
2. Компьютерное зрение
6 уроков
22 630
15 035
53м
222
Закрытый
2.1
Нейронные сети: основы
↗
5 058
2 862
11м 40с
50
Закрытый
2.2
Сверточные нейронные сети
↗
3 915
2 573
12м 17с
57
Закрытый
2.3
Практика: классификация картинок
↗
3 706
3 706
12м 30с
40
Закрытый
2.4
Задачи компьютерного зрения
↗
3 362
2 215
10м 38с
39
Закрытый
2.5
Популярные архитектуры (ResNet), дообучение нейронной сети
↗
2 987
2 987
8м 1с
29
Открытый
2.6
Домашнее задание
↗
3 602
692
1м 47с
7
3. Обработка естественного языка
6 уроков
14 708
6 203
38м
-12
Закрытый
3.1
Введение в NLP
↗
3 151
1 140
8м 55с
12
Закрытый
3.2
Выделение признаков
↗
2 457
1 345
8м 6с
-3
Закрытый
3.3
Word Embeddings
↗
2 344
1 357
6м 27с
-16
Закрытый
3.4
Рекуррентные нейронные сети
↗
2 213
921
7м 43с
-11
Закрытый
3.5
Рекуррентные нейронные сети на практике
↗
2 133
909
9м 50с
4
Открытый
3.6
Домашнее задание
↗
2 410
531
0м 24с
2
4. Математические идеи в анализе данных и искусственном интеллекте
6 уроков
12 778
7 357
38м
43
Закрытый
4.1
Делаем быстрое и простое решение. Жадный алгоритм
↗
2 614
1 312
8м 31с
7
Закрытый
4.2
Делаем быстрое и простое решение. Вероятностный подход
↗
2 121
1 422
8м 47с
15
Закрытый
4.3
Делаем быстрое и простое решение. Эмпирические наблюдения
↗
1 894
1 411
6м 55с
-4
Закрытый
4.4
Подкрутка простых решений
↗
1 875
1 382
6м 19с
12
Закрытый
4.5
Классификация с помощью подсчета статистик
↗
1 926
1 374
7м 49с
10
Закрытый
4.6
Итоговое тестирование
↗
2 348
456
4м 0с
3