EGround
Редактор
- Сообщения
- 24.289
- Реакции
- 127
Базовые модели ML и приложения [2024]
proglib.academy
Ульяна Евсеева
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 ML2. Математикам
Увлекаетесь математикой и хотите перейти от теории к практике, а также научиться решать реальные бизнес-задачи3. Разработчикам
Уже есть опыт в программировании, но хотите применить свои знания в новой области
Спойлер: Содержание 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
Продажник
proglib.academy
Ульяна Евсеева
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 ML2. Математикам
Увлекаетесь математикой и хотите перейти от теории к практике, а также научиться решать реальные бизнес-задачи3. Разработчикам
Уже есть опыт в программировании, но хотите применить свои знания в новой области
Спойлер: Содержание 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
Продажник
Материал «Базовые модели ML и приложения [2024] [proglib.academy] [Ульяна Евсеева]», возможно, скоро появится на EGROUND.
Воспользуйтесь поиском, может быть, он уже опубликован.