Аноним
Маска Организаторов
Организатор
- Сообщения
- Монеты
- +89.5
- Оплачено
- 5
- Купоны
- 0
- Кешбэк
- 0
- Баллы
- 0
- @Skladchiki
- #1
Складчина: [proglib.academy] Базовые модели ML и приложения (Ульяна Евсеева)
- Ссылка на картинку
Машинное обучение для начинающих:
1. Познакомитесь с основными моделями машинного обучения
2. Научитесь выбирать и применять подходящие tree-based модели
3. Получите основу для дальнейшего изучения более сложных нейронных сетей
Кому подходит курс:
1. Начинающим в IT
Выбираете направление и хотите попробовать себя в ML
2. Математикам
Увлекаетесь математикой и хотите перейти от теории к практике, а также научиться решать реальные бизнес-задачи
3. Разработчикам
Уже есть опыт в программировании, но хотите применить свои знания в новой области
Содержание:
Модуль 1 - Бустинг, Бэггинг и Ансамбли
Урок 1. Ансамблевое обучение
Урок 2. Бустинг (Boosting) и Бэггинг (Bagging)
Урок 3. Случайные леса (Random Forests)
Модуль 2 - Алгоритмы рекомендаций
Урок 1. Введение в рекомендательные системы
Урок 2. Коллаборативная фильтрация на основе соседства
Урок 3. Модельная коллаборативная фильтрация
Урок 4. Рекомендательные системы на основе контента (10 мин)
Практика: как вычисляется коллаборативная фильтрация
Модуль 3 - Архитектуры нейросетей
Урок 1. Архитектуры нейросетей
Дополнительно: рекомендации по дальнейшему изучению, ссылки на полезные материалы.
Итоговое тестирование
1. Познакомитесь с основными моделями машинного обучения
2. Научитесь выбирать и применять подходящие tree-based модели
3. Получите основу для дальнейшего изучения более сложных нейронных сетей
Кому подходит курс:
1. Начинающим в IT
Выбираете направление и хотите попробовать себя в ML
2. Математикам
Увлекаетесь математикой и хотите перейти от теории к практике, а также научиться решать реальные бизнес-задачи
3. Разработчикам
Уже есть опыт в программировании, но хотите применить свои знания в новой области
Содержание:
Модуль 1 - Бустинг, Бэггинг и Ансамбли
Урок 1. Ансамблевое обучение
Урок 2. Бустинг (Boosting) и Бэггинг (Bagging)
Урок 3. Случайные леса (Random Forests)
Модуль 2 - Алгоритмы рекомендаций
Урок 1. Введение в рекомендательные системы
Урок 2. Коллаборативная фильтрация на основе соседства
Урок 3. Модельная коллаборативная фильтрация
Урок 4. Рекомендательные системы на основе контента (10 мин)
Практика: как вычисляется коллаборативная фильтрация
Модуль 3 - Архитектуры нейросетей
Урок 1. Архитектуры нейросетей
Дополнительно: рекомендации по дальнейшему изучению, ссылки на полезные материалы.
Итоговое тестирование
Зарегистрируйтесь
, чтобы посмотреть скрытый авторский контент.