• Напишите нам
  • [email protected]
Перезвоните мне
Круглосуточно
0 Избранное
0 Сравнение
0 Корзина

[Специалист] Python для машинного обучения. 2019

Бесплатная
Доставка
Гарантия
Возврата
Онлайн
Поддержка
670 рублей
Подробнее

[?IMG] ?


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.
Курс авторизован Postgres Professional.

Содержание
Модуль 1. Постановка задачи машинного обучения

  • Три типа машинного обучения.
  • Схема построения систем машинного обучения.
  • Необходимый инструментарий.
Модуль 2. Обучение с учителем. Задача классификации
  • Понятие нейронной сети.
  • Персептрон. Определение, реализация и обучение.
  • Адаптивный линейный нейрон. Определение, реализация и обучение.
  • Метод градиентного спуска.
Модуль 3. Библиотека scikit-learn, ее основные возможности
  • 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
Модуль 5. Обучение без учителя. Кластерный анализ
  • Метод k средних
Модуль 6. Основы глубокого обучения
  • Многослойная нейронная сеть.
  • Применение библиотеки TensorFlow для обучения нейронной сети.