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

Машинное обучение ★ 4.833

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 2 220
Сертификаты, выданные на курсе «Машинное обучение»Сертификатов выдано 401
Отзывы о курсе «Машинное обучение»Отзывов получено 24
Рейтинг курса «Машинное обучение»Рейтинг курса 4.833
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

1. Основные понятия машинного обучения

5 уроков
Закрытый
1.1 Введение в курс ↗
1 102
1 102
4м 29с
3
Закрытый
1.2 История развития искусственного интеллекта ↗
569
348
15м 58с
4
Закрытый
1.3 Что такое машинное обучение? ↗
423
323
11м 2с
4
Закрытый
1.4 Основные виды машинного обучения ↗
375
302
11м 31с
4
Закрытый
1.5 Этапы работы алгоритмов машинного обучения ↗
342
284
8м 51с
3

2. Линейная регрессия

9 уроков
Закрытый
2.1 Данные и виды признаков ↗
359
268
10м 46с
3
Закрытый
2.2 Модель линейной регрессии ↗
309
249
9м 3с
2
Закрытый
2.3 Функция потерь ↗
274
239
7м 9с
2
Закрытый
2.4 Обучение модели ↗
265
224
8м 59с
2
Закрытый
2.5 Метод наименьших квадратов ↗
248
211
7м 46с
2
Закрытый
2.6 Нормальные уравнения ↗
231
193
13м 11с
2
Закрытый
2.7 Метрики качества в задачах регрессии ↗
210
179
9м 3с
2
Закрытый
2.8 Полиномиальная регрессия и переобучение ↗
194
172
9м 41с
1
Закрытый
2.9 Регуляризация ↗
193
163
10м 55с
1

3. Градиентный спуск

6 уроков
Закрытый
3.1 Общие понятия градиентного спуска ↗
198
160
9м 0с
3
Закрытый
3.2 Применение градиентного спуска в линейных задачах ↗
176
155
8м 43с
1
Закрытый
3.3 Размер шага или скорость обучения ↗
174
154
7м 35с
2
Закрытый
3.4 Масштабирование данных ↗
175
150
8м 36с
1
Закрытый
3.5 Стохастический градиентный спуск ↗
166
146
7м 9с
1
Закрытый
3.6 Продвинутые методы оптимизации ↗
164
142
12м 8с
0

4. Классификация

13 уроков
Закрытый
4.1 Общие понятия в задачах классификации ↗
169
149
11м 36с
0
Закрытый
4.2 Обучение модели ↗
174
144
12м 44с
0
Закрытый
4.3 Метод максимального правдоподобия ↗
157
138
9м 29с
0
Закрытый
4.4 Функция сигмоида ↗
155
137
11м 7с
0
Закрытый
4.5 Распределение Бернулли ↗
152
130
12м 38с
0
Закрытый
4.6 Логистическая регрессия ↗
149
126
7м 14с
0
Закрытый
4.7 Метрики качества классификации ↗
145
124
24м 24с
-1
Закрытый
4.8 Weighted усреднение ↗
143
116
1м 58с
0
Закрытый
4.9 PR-кривая (PR-curve) ↗
148
121
15м 19с
0
Закрытый
4.10 ROC-кривая (Receiver Operating Characteristic) ↗
146
122
16м 59с
0
Закрытый
4.11 Метод опорных векторов ↗
143
118
14м 3с
0
Закрытый
4.12 Многоклассовая классификация ↗
144
117
9м 21с
0
Закрытый
4.13 Заключение ↗
149
149
5м 34с
1