Чему вы научитесь
- Подробно познакомитесь с линейными моделями.
- Узнаете что такое градиентные алгоритмы и научитесь их применять для обучения линейных моделей.
- Изучите различные оптимизаторы градиентных алгоритмов.
- Познакомитесь с L1- и L2-регуляризаторами, как инструментом борьбы с эффектом переобучения моделей.
- Изучите байесовский подход к задачам машинного обучения.
- Научитесь применять наивный байесовский классификатор, гауссовский байесовский классификатор и линейный дискриминант Фишера.
- Познакомитесь с идеей метода опорных векторов (SVM) и его практическим применением для задач классификации образов.
- Узнаете о различных критериях качества оценивания эффективности работы обученных моделей.
- Познакомитесь с методом главных компонент и увидите, как с его помощью можно сокращать признаковое пространство и бороться с эффектом переобучения.
- Изучите метрические методы классификации и кластеризации данных (метод k ближайших соседей, DBSCAN и др.)
- Научитесь строить и применять решающие деревья для задач классификации и регрессии, а также их композиции в виде случайного леса.
- Познакомитесь с бустингом (boosting) алгоритмов и его развитием до градиентного бустинга.
- Совершите краткое знакомство с нейронными сетями и алгоритмом их обучения back propagation.
О курсе
Машинное обучение - это фундамент и неотъемлемая часть более широкого направления под названием "Искусственный интеллект". Сейчас это передний край научно-технического прогресса и одна из самых востребованных сфер деятельности: Data Science и Data Engineering. Этот курс позволит вам сделать первые шаги в этом направлении.
Для кого этот курс
Для всех желающих окунуться в мир машинного обучения.
Начальные требования
Уверенные знания школьной математики, линейной алгебры, дифференцирование матриц и векторов, теории вероятностей и математической статистики (основы).
Знание языка программирования Python: https://stepik.org/course/100707/
Преподаватели курса
201 483
Сертификат
Успешно завершив курс, вы получите сертификат от платформы Stepik. Уже 891 учеников получили сертификат.