Курс на Stepik
Обложка курса «Машинное обучение» на Stepik
Бесплатно

Машинное обучение ★ 4.795

Открыть на
STEPIK.ORG

Курс "Машинное обучение" охватывает основные концепции, методы и алгоритмы, используемые для создания интеллектуальных систем, способных обучаться на данных и принимать решения. Если вы когда-либо задавались вопросом, как Netflix знает, что вам понравится, или как ваш смартфон распознает ваше лицо, то этот курс поможет вам понять, какие алгоритмы и методы стоят за этими инновациями.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Машинное обучение»Учеников на курсе 2 879
Сертификаты, выданные на курсе «Машинное обучение»Сертификатов выдано 568
Отзывы о курсе «Машинное обучение»Отзывов получено 39
Рейтинг курса «Машинное обучение»Рейтинг курса 4.795
Уроки в курсе «Машинное обучение»Количество уроков 33
Тесты в курсе «Машинное обучение»Количество квизов 160
Время прохождения курса «Машинное обучение»Время прохождения курса —
Обновления курса «Машинное обучение»Обновления курса — —
Дата публикации курса «Машинное обучение»Дата публикации курса — ———
Последнее обновление курса «Машинное обучение»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Машинное обучение» 4 раздела Уроки в курсе «Машинное обучение» 33 урока Тесты в курсе «Машинное обучение» 160 тестов Время прохождения курса «Машинное обучение» 5 ч. Последнее обновление курса «Машинное обучение» обн. 1 год назад

Основные понятия машинного обучения

5 уроков
1. Введение в курс ↗
2. История развития искусственного интеллекта ↗
3. Что такое машинное обучение? ↗
4. Основные виды машинного обучения ↗
5. Этапы работы алгоритмов машинного обучения ↗

Линейная регрессия

9 уроков
1. Данные и виды признаков ↗
2. Модель линейной регрессии ↗
3. Функция потерь ↗
4. Обучение модели ↗
5. Метод наименьших квадратов ↗
6. Нормальные уравнения ↗
7. Метрики качества в задачах регрессии ↗
8. Полиномиальная регрессия и переобучение ↗
9. Регуляризация ↗

Градиентный спуск

6 уроков
1. Общие понятия градиентного спуска ↗
2. Применение градиентного спуска в линейных задачах ↗
3. Размер шага или скорость обучения ↗
4. Масштабирование данных ↗
5. Стохастический градиентный спуск ↗
6. Продвинутые методы оптимизации ↗

Классификация

13 уроков
1. Общие понятия в задачах классификации ↗
2. Обучение модели ↗
3. Метод максимального правдоподобия ↗
4. Функция сигмоида ↗
5. Распределение Бернулли ↗
6. Логистическая регрессия ↗
7. Метрики качества классификации ↗
8. Weighted усреднение ↗
9. PR-кривая (PR-curve) ↗
10. ROC-кривая (Receiver Operating Characteristic) ↗
11. Метод опорных векторов ↗
12. Многоклассовая классификация ↗
13. Заключение ↗