Курс Supervised Learning | DevsDay.ru

Курс Supervised Learning



Этот курс охватывает алгоритмы, которые используются, когда известна целевая переменная, которая должна быть предсказана. Он начинается с простого KNN и заканчивается полностью подключенными нейронными сетями с прямой связью. Правильное тестирование модели необходимо для создания надежного продукта. Студенты знакомятся с различными методами и параметрами тестирования, которые помогают строить обобщенные и устойчивые модели.

Учебный план

17.08-07.09 — 45 часов лекция и практик
09:00 — 12:00

Что будете изучать:

● Метод k-ближайших соседей;
● Модели на основе деревьев;
● Ансамблевые методы;
● Adaboost;
● XGBoost;
● Метод опорных векторов (SVM);
● Введение в нейронные сети;
● Рекомендательные системы;
● Коллаборативная фильтрация.

Что будете уметь:

● Опыт понимания и использования линейных /нелинейных моделей;
● Глубокое понимание моделей обучения c учителем и без, как пример линейная регрессия, логистическая регрессия, SVM, кластеризация и К ближайших соседей;
● Представление о том, как на самом деле работает магия нейронных сетей, и сможете написать их самостоятельно;
● Создание воспроизводимых machine learning pipelines;
● Опыт применения изученых методов для решения реальных проблем;
● Опыт построения API моделей машинного обучения

Регистрация


События в IT

Тэги

Data Science курсы

Этот курс охватывает алгоритмы, которые используются, когда известна целевая переменная, которая должна быть предсказана. Он начинается с простого KNN и заканчивается полностью подключенными нейронными сетями с прямой связью. Правильное тестирование модели необходимо для создания надежного продукта. Студенты знакомятся с различными методами и параметрами тестирования, которые помогают строить обобщенные и устойчивые модели. Учебный план 17.08-07.09 — 45 часов лекция и практик09:00 — 12:00 Что будете изучать: ● Метод k-ближайших соседей;● Модели на основе деревьев;● Ансамблевые методы;● Adaboost;● XGBoost;● Метод опорных векторов (SVM);● Введение в нейронные сети;● Рекомендательные системы;● Коллаборативная фильтрация. Что будете уметь: ● Опыт понимания и использования линейных /нелинейных моделей;● Глубокое понимание моделей обучения c учителем и без, как пример линейная регрессия, логистическая регрессия, SVM, кластеризация и К ближайших соседей;● Представление о том, как на самом деле работает магия нейронных сетей, и сможете написать их самостоятельно;● Создание воспроизводимых machine learning pipelines;● Опыт применения изученых методов для решения реальных проблем;● Опыт построения API моделей машинного обучения Регистрация
2020-09-07T00:00:00.0000000
2020-09-07T00:00:00.0000000
Курс Supervised Learning
?.Trim()
Курс Supervised Learning
, .