- Регистрация
- 24.06.19
- Сообщения
- 64,861
- Реакции
- 377,054
Последние темы автора:
- [Gift cookies] Николай Гагарин — Рождественские встречи (2025)
- [DogWinner] Варвара Большакова — На связи (2025)
- [Иван Парфентев] Взлом алгоритмов 3.0. Тариф Sale (2025)
- [Алексей Корзов] Korzov Sale (2025)
- [Шамим Бхуян, Тимур Исаченко] Генеративный ИИ с обучением больших языковых моделей (LLM) для джунов (2025)
- #1
Голосов: 0
[Ульяна Евсеева] Базовые модели ML и приложения. Машинное обучение для начинающих (2024)
Машинное обучение для начинающих:
1. Познакомитесь с основными моделями машинного обучения
2. Научитесь выбирать и применять подходящие tree-based модели
3. Получите основу для дальнейшего изучения более сложных нейронных сетей
Кому подходит курс:
1. Начинающим в IT. Выбираете направление и хотите попробовать себя в ML
2. Математикам. Увлекаетесь математикой и хотите перейти от теории к практике, а также научиться решать реальные бизнес-задачи
3. Разработчикам. Уже есть опыт в программировании, но хотите применить свои знания в новой области
Программа:
Модуль 1 - Бустинг, Бэггинг и Ансамбли
Урок 1. Ансамблевое обучение
Урок 2. Бустинг (Boosting) и Бэггинг (Bagging)
Урок 3. Случайные леса (Random Forests)
Модуль 2 - Алгоритмы рекомендаций
Урок 1. Введение в рекомендательные системы
Урок 2. Коллаборативная фильтрация на основе соседства
Урок 3. Модельная коллаборативная фильтрация
Урок 4. Рекомендательные системы на основе контента (10 мин)
Практика: как вычисляется коллаборативная фильтрация
Модуль 3 - Архитектуры нейросетей
Урок 1. Архитектуры нейросетей
Дополнительно: рекомендации по дальнейшему изучению, ссылки на полезные материалы.
Итоговое тестирование и сертификат об окончании курса
Преподаватель: Ульяна Евсеева. Образование: МГУ (Экономический факультет)
Подробнее:
[Ульяна Евсеева] Базовые модели ML и приложения. Машинное обучение для начинающих (2024) - Описание курса
Машинное обучение для начинающих:
1. Познакомитесь с основными моделями машинного обучения
2. Научитесь выбирать и применять подходящие tree-based модели
3. Получите основу для дальнейшего изучения более сложных нейронных сетей
Кому подходит курс:
1. Начинающим в IT. Выбираете направление и хотите попробовать себя в ML
2. Математикам. Увлекаетесь математикой и хотите перейти от теории к практике, а также научиться решать реальные бизнес-задачи
3. Разработчикам. Уже есть опыт в программировании, но хотите применить свои знания в новой области
Программа:
Модуль 1 - Бустинг, Бэггинг и Ансамбли
Урок 1. Ансамблевое обучение
Урок 2. Бустинг (Boosting) и Бэггинг (Bagging)
Урок 3. Случайные леса (Random Forests)
Модуль 2 - Алгоритмы рекомендаций
Урок 1. Введение в рекомендательные системы
Урок 2. Коллаборативная фильтрация на основе соседства
Урок 3. Модельная коллаборативная фильтрация
Урок 4. Рекомендательные системы на основе контента (10 мин)
Практика: как вычисляется коллаборативная фильтрация
Модуль 3 - Архитектуры нейросетей
Урок 1. Архитектуры нейросетей
Дополнительно: рекомендации по дальнейшему изучению, ссылки на полезные материалы.
Итоговое тестирование и сертификат об окончании курса
Преподаватель: Ульяна Евсеева. Образование: МГУ (Экономический факультет)
Подробнее:
Для просмотра ссылок пройдите регистрацию
Скачать курс - [Ульяна Евсеева] Базовые модели ML и приложения. Машинное обучение для начинающих (2024)
Вы должны Войти на форум чтобы увидеть контент.