Введение в машинное обучение
Задачи и процесс машинного обучения, работа с моделью и данными, линейные метрики и простые модели
Авторы: Центр digital-профессий ITtensive
Последнее обновление: 5/2020
Русский
Чему вы научитесь
Задачи и процесс машинного обучения
Данные для машинного обучения
Особенности обучение моделей
Экспорт и импорт результатов машинного обучения
Метод максимального правдоподобия
Линейная регрессия и регуляризация
Среднеквадратичная ошибка и другие метрики
Полиномиальная и нелинейная регрессия
Логистическая регрессия
Требования
Школьная математика
Интерес к искусственному интеллекту и(ли) большим данным
Описание
Работа с большими данными и задачами искусственного интеллекта требует особого подхода - подхода машинного обучения. В этом курсе мы последовательно пройдем все этапы работы с данными: от видов задач и их постановки до работы с моделями машинного обучения для минимизации предсказательной ошибки.
Дополнительно рассмотрим фундаментальные основы построения моделей машинного обучения, базовые метрики и наиболее простые модели - линейную и логистическую регрессии.
Курс является вводным и подойдет широкому кругу слушателей: от руководителей до разработчиков.
Для кого этот курс:
Руководители и менеджеры
Разработчики больших систем
Научные работники
Директора по маркетингу и продажам
Задачи и процесс машинного обучения, работа с моделью и данными, линейные метрики и простые модели
Авторы: Центр digital-профессий ITtensive
Последнее обновление: 5/2020
Русский
Чему вы научитесь
Задачи и процесс машинного обучения
Данные для машинного обучения
Особенности обучение моделей
Экспорт и импорт результатов машинного обучения
Метод максимального правдоподобия
Линейная регрессия и регуляризация
Среднеквадратичная ошибка и другие метрики
Полиномиальная и нелинейная регрессия
Логистическая регрессия
Требования
Школьная математика
Интерес к искусственному интеллекту и(ли) большим данным
Описание
Работа с большими данными и задачами искусственного интеллекта требует особого подхода - подхода машинного обучения. В этом курсе мы последовательно пройдем все этапы работы с данными: от видов задач и их постановки до работы с моделями машинного обучения для минимизации предсказательной ошибки.
Дополнительно рассмотрим фундаментальные основы построения моделей машинного обучения, базовые метрики и наиболее простые модели - линейную и логистическую регрессии.
Курс является вводным и подойдет широкому кругу слушателей: от руководителей до разработчиков.
Для кого этот курс:
Руководители и менеджеры
Разработчики больших систем
Научные работники
Директора по маркетингу и продажам
