Скачать 

[Фоксфорд] Машинное обучение и анализ данных на Python 2020 [Николай Осипов]

Цена: 175 РУБ
Организатор: Robot
Список участников складчины:
  • 1. ник скрыт
  • 2. omarhay
Robot
Robot
Складчик
  • #1

[Фоксфорд] Машинное обучение и анализ данных на Python 2020 [Николай Осипов]

Ссылка на картинку
На этом курсе мы погрузимся в одну из самых развивающихся, обсуждаемых и востребованных на рынке труда сфер - это Data Science (или Наука о Данных).
Сначала мы научимся самостоятельно работать с данными и анализировать их на языке Python, а потом научим компьютеры решать задачи за нас. Помимо изучения теории и выполнения домашних заданий, мы будем участвовать в соревнованиях по машинному обучению на платформе Kaggle.

Кому будет полезен курс:
Курс будет полезен тем, кто уже изучал основы программирования и хочет расширить область своих знаний, окунуться в Data Science, понять, что такое нейронные сети и искусственный интеллект.
Какие знания даёт курс:
Уверенное знание Python и основных библиотек для DS, умение работать с алгоритмами машинного обучения для задач классификации и регрессии, практический опыт участия в соревнованиях по данной тематике.

Содержание
Блок 1 - Основы Python (повторение, краткий обзор)
  • Основные управляющие конструкции Python
  • Функции
  • Списки
  • Объектно-ориентированное программирование
Блок 2 - Знакомство с библиотеками для Data Science
  • Numpy
  • Matplotlib
  • Random
  • Pandas
  • Seaborn
  • Sklearn
Блок 3 - Введение в машинное обучение
  • Основы линейной алгебры. Библиотека scipy. Функции потерь
  • Алгоритмы линейной регрессии и классификации
  • Настройка моделей: переобучение, регуляризация, подбор гиперпараметров, метрики качества
  • Случайные деревья
  • Композиции алгоритмов: бэггинг и случайный лес
  • Соревнования на kaggle
  • Обучение без учителя: кластеризация, понижение размерности
Блок 4 - Анализ данных на практике
  • Доверительные интервалы, проверка гипотез
  • А/B - тестирование
  • Статистические критерии
  • Поиск закономерностей и зависимостей в данных
  • Прогнозирование временных рядов
  • Соревнования на kaggle
Блок 5 - Глубокое обучение
  • Введение в нейронные сети. Задачи DL и AI
  • Построение многослойного перцептрона
  • Производная и градиент. Методы градиентного спуска
  • Настройка нейронных сетей: подбор гиперпараметров, софтмакс, разбиение на батчи
  • Знакомство с фреймворком pytorch
  • Основы сверточных нейронных сетей
  • Архитектуры CNN. Трансфер-лернинг
  • Задачи компьютерного зрения: сегментация и детекция изображений
  • Избранные задачи NLP. Соревнования на kaggle
  • Создание искусственных данных с помощью GAN
  • Путь Data Scientist’а
 
Зарегистрируйтесь , чтобы посмотреть скрытый авторский контент.
Похожие складчины

Войдите или зарегистрируйтесь, чтобы комментировать и скачивать складчины!

Учетная запись позволит вам участвовать в складчинах и оставлять комментарии

Регистрация

Создайте аккаунт на форуме. Это не сложно!

Вход

Вы уже зарегистрированы? Войдите.

Сверху