Представленный курс расскажет вам про основы машинного обучения. Учебная программа включает в себя множество практических занятий, где студентам предстоит разбирать задачи классификации, регрессии и кластеризации.
На примерах будут рассмотрены такие задачи, как сортировка музыки в зависимости от жанра, максимизация прибыли, прогноз пользовательского оттока, анализирование текстов. Также участники курса узнают об основных способах прогнозирования временных рядов.
Вам подойдет этот курс, если вы:
- работаете программистом;
- являетесь студентом;
- интересуетесь машинным обучением;
- хотите подтянуть практические навыки по решению практических задач.
Ключевые навыки, которые вы освоите на этом курсе:
- знание основных методов машинного обучения, среди которых supervised learning, unsupervised learning и semi-supervised learning;
- опыт в решении задач классификации, регрессии или кластеризации;
- знание нюансов оценки качества алгоритмов;
- опыт решения задач анализа данных;
- знания по структуре нейронных сетей, умение их применять.
Учебная программа:
- метрики качества;
- деревья в задачах классификации и регрессии;
- построение ансамблей;
- логистическая регрессия и кластеризация;
- Text Mining и Introduction in the deep learning;
- рекомендательные системы;
- прогнозирование.
Длительность курса составляет 9 недель. В течение обучения вы будете проходить тестирование, которое покажет то, как хорошо был усвоен материал лекции. Если вы провалите тест, то всегда сможете вернуться и повторить прошлый урок. Возникли вопросы по курсу или может вы не справляетесь с практическими задачами? Напишите в сообщество курса, где вам обязательно помогут преподаватели.
Загрузка...
