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 2 668
Сертификаты, выданные на курсе «Машинное обучение»Сертификатов выдано 550
Отзывы о курсе «Машинное обучение»Отзывов получено 36
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

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