Скачать 

[Geekbrains] Введение в искусственный интеллект [Светлана Шорина, Дмитрий Санников, Илья Акчурин]

Цена: 495 РУБ
Организатор: Robot
Список участников складчины:
  • 1. Vime
  • 2. Alianari
  • 3. Dzhessy007
Robot
Robot
Складчик
  • #1

[Geekbrains] Введение в искусственный интеллект [Светлана Шорина, Дмитрий Санников, Илья Акчурин]

Ссылка на картинку
1 модуль: Основы программирования на языке Python
Урок 1
Работа с данными и математическими операциями в Python

Python — главный инструмент дата-сайентиста: на нём пишут алгоритмы машинного обучения. Учимся управлять данными и решать уравнения на Python.
  • Устанавливаем программы для прохождения курса
  • Управляем вводом и выводом данных в первой программе по Python
Урок 2
Основные конструкции языка Python

Создаём алгоритмы и осваиваем основные компоненты компьютерной программы.
  • Изучаем условия if, elif, else
  • Изучаем циклы for, while
    :)
  • Тренируемся программировать на Python и создаём программу с базовыми алгоритмами
Урок 3
Структуры данных в Python

Изучаем принципы работы с данными.
  • Узнаём, как работают данные, списки, словари и файлы
  • Знакомимся с датасетом — набором данных. Учимся его обрабатывать с помощью простейших операций
  • Занимаемся вводом и выводом данных
Урок 4
Функции в Python


Изучаем, как работать с функциями.
  • Узнаём, как создавать функции и передавать параметры
  • Изучаем глобальные и локальные переменные
  • Добавляем полезные функции к датасету из третьего урока

2 модуль: Numpy и Pandas — инструменты, которые помогают получать данные
Урок 5
Pandas. Установка. Учимся работать с данными и таблицами

Изучаем Pandas — программную библиотеку на Python для обработки и анализа данных.
  • Получаем датасет с числовыми метриками
  • Устанавливаем Pandas, изучаем базовые команды и учимся работать с таблицами
  • Обрабатываем датасет с помощью Pandas: загружаем и выгружаем данные
Урок 6
Pandas. Основные функции

После того, как мы загрузили датасет, начинаем осваивать базовые функции.
  • Узнаём, как работают различные функции Pandas: подсчет, создание категорий выборок датасета и др
  • Учимся применять функции из предыдущего урока на нашем датасете
Урок 7
Numpy: улучшение математического аппарата

Изучаем основы линейной алгебры и знакомимся с видами машинного обучения.
  • Узнаём потенциал Numpy для работы с машинным обучением
  • Тренируемся работать с операциями высшей математики с помощью библиотеку Numpy
Урок 8
Numpy: машинное обучение без учителя

Узнаём, что такое обучение без учителя.
  • Строим классическую модель обучения без учителя в Numpy
  • Строим первую модель предсказания в библиотеке Numpy

3 модуль: Работа с машинным обучением
Урок 9
Обучение с учителем. Ближайшие соседи

Изучаем основы для создания нейронных сетей — они помогают переводить текст, создавать голосовых помощников, распознавать лица и музыку.
  • Осваиваем базовые принципы машинного обучения
  • Придумываем и реализовываем простой алгоритм
  • Возьмём классификатор на датасете
Урок 10
Градиентный спуск

Знакомимся с методом градиентного спуска, чтобы оценивать качество работы нейронной сети.
  • Оцениваем качество алгоритма машинного обучения, функция ошибки
  • Узнаём, как производные и градиентный спуск помогают уменьшать ошибки алгоритма
  • Закрепляем метод градиентного спуска для переменных
Урок 11
Линейная регрессия

Прогнозируем значение переменных по заранее известным данным.
  • Определяем задачи регрессии, чтобы прогнозировать стоимость домов
  • Наглядно визуализируем данные с помощью матрицы корреляций
  • Учимся измерять качество регрессии, чтобы проверить наши предположения
  • Применяем метод градиентного спуска, чтобы найти минимум средней квадратической ошибки
Урок 12
Логистическая регрессия

Прогнозируем результаты с помощью логистических функций.
  • Узнаём, что такое логистическая функция, какие у нее свойства и преимущества
  • Применяем метод градиентного спуска для логистической регрессии, чтобы определять стоимость домов
Урок 13
Работаем с базовой нейронной сетью

Узнаём о преимуществах и недостатках нейронных сетей.
  • Сравниваем устройство нейронных сетей с нервной системой человека
  • Разбираем готовую нейронную сеть, выбираем количество слоёв и нейронов
  • Запускаем нейронную сеть, чтобы распознавать рукописные цифры
 
Зарегистрируйтесь , чтобы посмотреть скрытый авторский контент.

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