- Регистрация
- 24.06.19
- Сообщения
- 56,451
- Реакции
- 316,990
Последние темы автора:
- [Дмитрий Зверев] Курс созданию постов и иного контента через нейросети (2024)
- [Вадим Закиров] Закрытый клуб нейро-фотостокеров (ноябрь) (2024)
- [Катя Баллеста] Травмы непринятия Великого Женского. II часть трилогии Великое Женское (2024)
- [Клаудио Маддалони] Юнгианский взгляд на психиатрию - теория, клиника, практика (модуль 2, занятие 1) (2025)
- [Клаудио Маддалони] Юнгианский взгляд на психиатрию - теория, клиника, практика (модуль 1, занятие 6) (2025)
- #1
Голосов: 0
[Дмитриев К.В.] Методы машинного обучения в анализе изображений и временных рядов (2022)
13 лекций по курсу Методы машинного обучения в анализе изображений и временных рядов
Содержание
Введение. Задачи, подходы и возможности.
Библиотеки Python, используемые для машинного обучения.
Байесовский классификатор. Метод максимального правдоподобия. Априорная и апостериорная информация.
Линейные методы регрессии и классификации.
Метрические методы регрессии и классификации.
Метод опорных векторов.
Многомерная линейная и нелинейная регрессия. Градиентные методы.
Критерии оценки качества моделей. Логические закономерности.
Ансамбли алгоритмов. Беггинг и бустинг.
Искусственные нейронные сети. Базовые архитектуры и методы обучения.
Нейронные сети для распознавания цифр. Задачи обучения без учителя. Часть 1
Задачи обучения без учителя. Часть 2.
Работа в временными рядами.
Подробнее:
[Дмитриев К.В.] Методы машинного обучения в анализе изображений и временных рядов (2022) - Описание курса
13 лекций по курсу Методы машинного обучения в анализе изображений и временных рядов
Содержание
Введение. Задачи, подходы и возможности.
Библиотеки Python, используемые для машинного обучения.
Байесовский классификатор. Метод максимального правдоподобия. Априорная и апостериорная информация.
Линейные методы регрессии и классификации.
Метрические методы регрессии и классификации.
Метод опорных векторов.
Многомерная линейная и нелинейная регрессия. Градиентные методы.
Критерии оценки качества моделей. Логические закономерности.
Ансамбли алгоритмов. Беггинг и бустинг.
Искусственные нейронные сети. Базовые архитектуры и методы обучения.
Нейронные сети для распознавания цифр. Задачи обучения без учителя. Часть 1
Задачи обучения без учителя. Часть 2.
Работа в временными рядами.
Подробнее:
Для просмотра ссылок пройдите регистрацию
Скачать курс - [Дмитриев К.В.] Методы машинного обучения в анализе изображений и временных рядов (2022)
Вы должны Войти на форум чтобы увидеть контент.