Корзина покупок пуста.
Вы можете выбрать товар из Каталога.
Вы можете выбрать товар из Каталога.
![[SAP Press] SAP Cloud Platform Certification Guide (2019)](https://i1.storeland.net/2/5877/158762363/baec64/sap-press-sap-cloud-platform-certification-guide-2019.png)
![[SAP Press] SAP HANA 2.0 Security Guide (2020)](https://i4.storeland.net/2/5877/158762365/baec64/sap-press-sap-hana-2-0-security-guide-2020.png)
![[Специалист] Python для машинного обучения. 2019](https://i4.storeland.net/2/5905/159045203/afacdb/specialist-python-dlya-mashinnogo-obucheniya-2019.jpg "[Специалист] Python для машинного обучения. 2019")
Бесплатная
Доставка
Доставка
Гарантия
Возврата
Возврата
Онлайн
Поддержка
Поддержка
670 рублей
![[?IMG]](proxy.php?image=https%3A%2F%2Fi.imgur.com%2FmkqSryg.jpg&hash=bb5687632e6e073477a64710b803ac86&v=4)
? Курс посвящен применению языка Python для технологий машинного обучения. Изучаются основные библиотеки, используемые в машинном обучении и методики их использования.
- Курс рассматривает методы и библиотеки, основанные на языке Python и предназначенные для машинного обучения.
- Курс основан на опыте практического применения библиотек машинного обучения.
- Курс включает в себя не только практическую, но и теоретическую часть, и таким образом не сводится к простому «сборнику рецептов».
- Курс читается на базе ОС Linux. Обучение проводится на примере популярнейшего дистрибутива Ubuntu. Однако большинство технологий, изучаемых на курсе, могут применяться и на базе Windows.
Содержание
Модуль 1. Постановка задачи машинного обучения
- Три типа машинного обучения.
- Схема построения систем машинного обучения.
- Необходимый инструментарий.
- Понятие нейронной сети.
- Персептрон. Определение, реализация и обучение.
- Адаптивный линейный нейрон. Определение, реализация и обучение.
- Метод градиентного спуска.
- Обучение персептрона.
- Метод логистической регрессии.
- Метод опорных векторов.
- Метод k ближайших соседей.
Модуль 4. Обучение с учителем. Задача регрессии
- Обучение с учителем. Задача регрессии.
- Линейная регрессия.
- Метод наименьших квадратов.
- Метод градиентного спуска.
- Оценка качества регрессионной модели.
- Основы нелинейной регрессии
- Метод k средних
- Многослойная нейронная сеть.
- Применение библиотеки TensorFlow для обучения нейронной сети.
