machineasy
Артем Серебряков, Тарас Стасюк
Освойте Машинное Обучение и Data Science с нуля.
Данный курс позволит Вам:
1. Узнать основы Машинного Обучения.
2. Изучить основные алгоритмы в Machine Learning
3. Познакомиться с синтаксисом языка Python для создания моделей в Машинном Обучении.
4. Изучить статистику, необходимую для пониманию процессов в Машинном Обучении.
5. Понять линейную алгебру, которая объясняется максимально простым языком.
6. На реальном примере понять, как используется Искусственный Интеллект в бизнесе. Мы пройдём все этапы: от постановки задачи и анализа данных — до готовой модели.
Содержание
Модуль 1 — Введение
- О курсе;
- Введение в Машинное Обучение;
- Способы Машинного обучения;
- Python;
- Процессы в Data Science;
Модуль 2 — Линейная алгебра
- Зачем нам нужна алгебра в Машинном обучении;
- Векторы, матрицы и операции над ними;
Модуль 3 — Python
- Основы Python
- Списки
- Словари
- Кортежи в Python
- Функции
Модуль 4 — Статистика
- Медиана
- Среднее арифметическое
- Мода
- Стандартное отклонение
- Коэффициент Вариации
- Теорему Байеса
- И другое!
Модуль 5 — Машинное Обучение
- Модель в Машинном Обучении;
- Линейная Регрессия;
- Градиентный список;
- Matplotlib;
- Pandas;
- NumPy;
Модуль 6 — Финальная часть. Предсказываем цены на жилье в Бостоне
- Тут мы пройдем путь, который проходит Специалист по Машинному Обучению.
- Начиная с постановки задачи Создать модель, которая будет предсказывать стоимость недвижимости в Бостоне по введенным признакам, мы будем собирать, исследовать, визуализировать, находить корреляции, использовать линейную регрессию, проверять на мультиколлинеарность, использовать BIC, применять RSS, трансформировать данные с помощью log, создавать калькулятор цен, а также затронем много других составных частей процесса создания модели с нуля.
Отзывов пока нет.