1

Etapa 1

Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса.

2

Etapa 2

Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент.

3

Etapa 3

Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации.

4

Etapa 4

Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент.

5

Etapa 5

Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети.

6

Etapa 6

Неделя 6. Кластеризация и визуализация. Частичное обучение.

7

Etapa 7

Неделя 7. Прикладные задачи анализа данных: постановки и методы решения.

1

Etapa 1

Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса.

2

Etapa 2

Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент.

3

Etapa 3

Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации.

4

Etapa 4

Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент.

5

Etapa 5

Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети.

6

Etapa 6

Неделя 6. Кластеризация и визуализация. Частичное обучение.

7

Etapa 7

Неделя 7. Прикладные задачи анализа данных: постановки и методы решения.

29 enero 2016
Objetivo completado 29 junio 2016
Carrera y trabajo

Пройти курс "Введение в машинное обучение"

Начался интересный курс на Coursera. "Введение в машинное обучение" by Высшая школа экономики

Чтобы успешно завершить курс, нужно набрать проходную сумму баллов за тесты и практические задания, а также выполнить финальный проект, посвящённый решению прикладной задачи анализа данных.

 Criterio del fin

Курс пройден до конца.

  1. Неделя 1. Введение. Примеры задач. Логические методы: решающие деревья и решающие леса.

    1. Вводное занятие

    2. Знакомство с инструментами

    3. Решающие деревья

  2. Неделя 2. Метрические методы классификации. Линейные методы, стохастический градиент.

    1. Метрические методы классификации

    2. Линейные методы классификации

  3. Неделя 3. Метод опорных векторов (SVM). Логистическая регрессия. Метрики качества классификации.

    1. Метод опорных векторов

    2. Логистическая регрессия

    3. Метрики качества

  4. Неделя 4. Линейная регрессия. Понижение размерности, метод главных компонент.

    1. Линейная регрессия

    2. Понижение размерности и метод главных компонент Начать урок

  5. Неделя 5. Композиции алгоритмов, градиентный бустинг. Нейронные сети.

    1. Композиции алгоритмов

    2. Нейронные сети

  6. Неделя 6. Кластеризация и визуализация. Частичное обучение.

    1. Кластеризация и визуализация

    2. Частичное обучение

  7. Неделя 7. Прикладные задачи анализа данных: постановки и методы решения.

    1. Машинное обучение в прикладных задачах

    2. Финальное задание

  • 2313
  • 29 enero 2016, 10:56
Registración

Las posibilidades
están ilimitadas.
Es la hora
de descubrir las suyas

Уже зарегистрированы?
Entrada al sitio

Entre.
Está abierto.

¿Aún no está registrado?
 
Conéctese a cualquiera de sus cuentas, sus datos se tomarán de la cuenta.
¿Ha olvidado la contraseña?