Корзина покупок пуста.
Вы можете выбрать товар из Каталога.
Вы можете выбрать товар из Каталога.
![[Специалист] Разработка мобильных приложений под Android. Уровень 2 (Марат Хакимов)](https://i3.stat01.com/2/5905/159045215/baec64/specialist-razrabotka-mobilnyh-prilozhenij-pod-android-uroven-2-marat-hakimov.jpg)
Артикул: R75897
Наличие товара: В наличии
![[Специалист] Сетевое взаимодействие с Windows Server 2016. Курс 20741B (Эдуард Шевелёв)](https://i3.stat01.com/2/5905/159045218/baec64/specialist-setevoe-vzaimodejstvie-s-windows-server-2016-kurs-20741b-jeduard-shevelov.jpg)
![[Специалист] Python для машинного обучения. 2019](https://i4.stat01.com/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.
