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 3/5

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:
    24.799
    Симпатии:
    8.665
    [GeekBrains]​
    Машинное обучение. Часть 3/5​
    Часть 1
    [​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 . 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
    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