GeekBrains [GeekBrains] Машинное обучение. Часть 4 из 5 (2020)

  • Привет, Гость!
    В интернете появился форум - фейк: slivysklad.top и biz
    Убедительная просьба не переходить на данный сайт из уведомлений и рассылок. У нас один адрес - slivysklad.COM
    Внимательно обращайте внимание на адресную строку.
    Так же рекомендуем сменить пароль на данном сайте. Сделать это можно по ссылке: Изменить пароль
    Навигационный ответ - Яндекс

Domix

Редактор
Регистрация
04.11.19
Сообщения
6.982
Реакции
403.575
Автор: GeekBrains
Название: Машинное обучение. Часть 4 из 5 (2020)

Изображение [GeekBrains] Машинное обучение. Часть 4 из 5 (2020) в посте 258099


Описание:

Программа

30+ онлайн-уроков, более 65 часов обучающего контента и практика после каждого занятия
Длительность: 5 месяцев.

Модуль 1. Теория вероятностей и математическая статистика
Модуль 2. Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learn
Модуль 3. Библиотеки Python для Data Science: продолжение
Модуль 4. Алгоритмы анализа данных
Модуль 5. Системы машинного обучения в Production

Подробная программа:

Теория вероятностей и математическая статистика


  • Случайные события. Условная вероятность. Формула Байеса. Независимые испытания

  • Дискретные случайные величины. Закон распределения вероятностей. Биномиальный закон распределения. Распределение Пуассона

  • Описательная статистика. Качественные и количественные характеристики популяции. Графическое представление данных

  • Непрерывные случайные величины. Функция распределения и плотность распределения вероятностей. Равномерное и нормальное распределение. Центральная предельная теорема

  • Проверка статистических гипотез. P-значения. Доверительные интервалы. A/B-тестирование

  • Взаимосвязь величин. Параметрические и непараметрические показатели корреляции. Корреляционный анализ

  • Многомерный статистический анализ. Линейная регрессия

  • Дисперсионный анализ. Логистическая регрессия

Курсовой проект
Разведочный анализ данных (EDA) на основе выбранного датасета: визуализация, корреляционный, дисперсионный и факторный анализ


Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learn

  • Введение в курс. Вебинар

  • Вычисления с помощью Numpy. Работа с данными в Pandas. Видеоурок

  • Вычисления с помощью Numpy. Работа с данными в Pandas. Вебинар

  • Визуализация данных в Matplotlib. Видеоурок

  • Визуализация данных в Matplotlib. Вебинар

  • Обучение с учителем в Scikit-learn. Видеоурок

  • Обучение с учителем в Scikit-learn. Вебинар

  • Обучение без учителя в Scikit-learn. Видеоурок

  • Обучение без учителя в Scikit-learn и введение в итоговый проект. Вебинар

  • Консультация по итоговому проекту. Вебинар

Курсовой проект
Соревнование на платформе Kaggle по предсказанию цены на недвижимость, решение задачи регрессии


Библиотеки Python для Data Science: продолжение

  • Введение в задачу классификации. Постановка задачи и подготовка данных

  • Анализ данных и проверка статистических гипотез

  • Построение модели классификации

  • Оценка и интерпретация полученной модели. Обсуждение курсового проекта

Курсовой проект
Соревнование на платформе Kaggle по кредитному скорингу, решение задачи классификации


Алгоритмы анализа данных

  • Алгоритм линейной регрессии. Градиентный спуск

  • Масштабирование признаков. L1- и L2-регуляризация. Стохастический градиентный спуск

  • Логистическая регрессия. Log Loss

  • Алгоритм построения дерева решений

  • Случайный лес

  • Градиентный бустинг (AdaBoost)

  • Классификация с помощью KNN. Кластеризация K-means

  • Снижение размерности данных

Курсовой проект
Участие в одном или двух соревнованиях на Kaggle: предсказать средний балл на экзамене по математике, который получают ученики репетиторов (задача регрессии); предсказать, подойдет ли репетитор для подготовки к экзамену по математике (задача классификации)


Системы машинного обучения в Production

  • Введение в задачу предсказания оттока. Формализация задачи и сбор сырых данных

  • Загрузка данных и построение обучающей выборки. Анализ и предобработка датасета. Балансировка классов

  • Выбор и обучение модели на отобранных признаках. Сравнение качества и оценка модели

  • Оценка потенциального влияния на бизнес. Масштабирование решения

  • Подготовка к продакшену. Планировщик задач и перенос проекта из Jupyter в PyCharm

Курсовой проект
Оценка потенциального влияния на бизнес ML-решения, построение модели оттока клиентов в игровых проектах и подготовка кода для Production в PyCharm

Подробнее:

Скачать:
Для просмотра скрытого содержимого необходимо Войти или Зарегистрироваться

Для тех, у кого нет Премиума Если у Вас нет Премиум статуса:
Преимущества Премиум подписки Преимущества Премиум подписки
Оформить Вечный Премиум Оформить Вечный Премиум
 
Последнее редактирование модератором:

tramp

Премиум
Регистрация
01.03.20
Сообщения
4
Реакции
1
Доброго времени суток.
Есть ли у вас 5-я часть?
 

Max_Dr

Премиум
Регистрация
07.02.20
Сообщения
2
Реакции
0
Обновите пжлста
 

CTR2

Злой админ
Администратор
Регистрация
25.02.18
Сообщения
39.618
Реакции
426.046
Обновите пжлста
 

CTR2

Злой админ
Администратор
Регистрация
25.02.18
Сообщения
39.618
Реакции
426.046
 

tesaloe

Премиум
Регистрация
01.01.21
Сообщения
22
Реакции
1
Добрый день. Пожалуйста выложите 5-ю часть данного курса. Заранее благодарим вас!