1. Мы открыли доступ к ранее скрытому контенту.

    Вам доступно более 44 000 видео уроков, книг и программ без VIP статуса. Более подробно ЗДЕСЬ.
    Скрыть объявление

Активно [GeekBrains] Машинное обучение. Часть 1/5

Тема в разделе "Программирование", создана пользователем Таточка, 22 май 2020.

0/5, Голосов: 0

Этап:
Набор участников
Цена:
9600.00 руб.
Участников:
0 из 30
Организатор:
требуется
0%
Расчетный взнос:
352 руб.
  • (Записывайтесь, чем больше участников, тем меньше расчетный взнос)

  1. Таточка

    Таточка Администратор Администратор

    Сообщения:
    24.798
    Симпатии:
    8.772

    • - Часть 2 | Часть 3

    • [​IMG]

      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

      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
      [​IMG]

      Цена: 48.000руб
      Скрытый контент.
      Продажник: Онлайн-курс по Машинному обучению .
     
Мы в Telegram: Сохранить в соц. сетях:
Оценить эту тему:
/5,
  1. Этот сайт использует файлы cookie. Продолжая пользоваться данным сайтом, Вы соглашаетесь на использование нами Ваших файлов cookie.
    Скрыть объявление