Введение в машинное обучение и анализ данных

Основы машинного обучения: нейронные сети, классификация, регрессия, обзор алгоритмов (KNN, деревья решений) и их применение.
Для всех RU
Записаться
Объём
36 час.
Длительность
30 дней
Нагрузка
9 час.
Формат обучения
Дистанционно (самостоятельно)
Описание Учебный курс посвящен введению в машинное обучение и анализ данных и знакомит с базовыми принципами этой области. Рассматриваются машинное обучение в контексте технологической революции, искусственные нейронные сети, формальная постановка задач классификации и регрессии, обзор и принципы работы ключевых алгоритмов — KNN, линейная и полиномиальная регрессия, деревья решений. Материал адресован студентам, аналитикам и разработчикам, начинающим путь в машинном обучении.
Цели
  • Сформировать понимание базовых принципов машинного обучения.
  • Развить умение применять простые алгоритмы для задач классификации и регрессии.
  • Подготовить к знакомству с архитектурой нейронных сетей.
Чему я научусь?
  • Описывать формальную постановку задачи машинного обучения.
  • Применять KNN, линейную и полиномиальную регрессию.
  • Использовать деревья решений для задач классификации.
  • Объяснять устройство искусственных нейронных сетей.

Авторы

Бекларян Армен
Чему я научусь?
  • Описывать формальную постановку задачи машинного обучения.
  • Применять KNN, линейную и полиномиальную регрессию.
  • Использовать деревья решений для задач классификации.
  • Объяснять устройство искусственных нейронных сетей.

Учебный план

№ Занятия
Экзамен экстерном Внимание! Экзамен экстерном не обязательный для сдачи. При желании вы можете его пройти, если хотите подтвердить свои знания по данному курсу без его изучения или поверить свои знания по нему. Экзамен экстерном можно сдать только один раз.
1 Машинное обучение и новая технологическая революция. Часть 1 84 мин
2 Машинное обучение и новая технологическая революция. Часть 2 72 мин
3 Искусственные нейронные сети. Часть 1 75 мин
4 Искусственные нейронные сети. Часть 2 75 мин
5 Базовые принципы машинного обучения 108 мин
Тест 1 для курса # 52396 для курса Введение в машинное обучение и анализ данных 40 мин
6 Описание задачи классификации 69 мин
Тест 2 для курса # 52396 для курса Введение в машинное обучение и анализ данных 40 мин
7 Успехи в области специализированного искусственного интеллекта. Часть 1 93 мин
8 Успехи в области специализированного искусственного интеллекта. Часть 2 120 мин
9 Формальная постановка задачи машинного обучения 96 мин
Тест 3 для курса # 52396 для курса Введение в машинное обучение и анализ данных 40 мин
10 Алгоритм KNN (k ближайших соседей) 48 мин
11 Линейная и полиномиальная регрессия. Корреляционный анализ 90 мин
12 Полная классификация алгоритмов машинного обучения 114 мин
13 Полная классификация алгоритмов машинного обучения 51 мин
14 Обзор принципов работы основных алгоритмов машинного обучения. Часть 1 84 мин
15 Обзор принципов работы основных алгоритмов машинного обучения. Часть 2 54 мин
Тест 4 для курса # 52396 для курса Введение в машинное обучение и анализ данных 40 мин
Тест для курса # 47216 для курса Введение в машинное обучение и анализ данных 40 мин
Тренировочный экзамен Внимание! Тренировочный экзамен экстерном не обязательный для сдачи. При желании вы можете его пройти, если хотите проверить свои знания курса перед сдачей экзамена. Тренировочный экзамен можно сдавать сколько угодно один раз.
Экзамен
^