1

Етап 1

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

2

Етап 2

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

3

Етап 3

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

4

Етап 4

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

5

Етап 5

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

6

Етап 6

Неделя 6. Кластеризация и визуализация. Частичное обучение.

7

Етап 7

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

1

Етап 1

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

2

Етап 2

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

3

Етап 3

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

4

Етап 4

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

5

Етап 5

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

6

Етап 6

Неделя 6. Кластеризация и визуализация. Частичное обучение.

7

Етап 7

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

29 січня 2016
Мета завершена % date%
Детально Стисло

Автор мети

Daria

Надіслати повідомлення

Додати у друзі

Кар'єра та робота

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.

 Критерій завершення

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

  • 2314
  • 29 січня 2016, 10:56


Мета у складі групи

Карьера

  • 3512

    участників

  • 4554

    цілі
Реєстрація

Можливості
безмежні.
Настав час
відкрити свої.

Уже зарегистрированы?
Швидка реєстрація через соцмережі
Вхід на сайт

Заходьте.
Відкрито.

Ще не зареєстровані?
 
Підключіться до будь-якого з ваших акаунтів, ваші дані будуть взяті з акаунту.
Забули пароль?
Налаштування

Виджет вашей цели

Большой (450×150 px)

Маленький (250×100 px)

Чтобы вставить виджет на ваш сайт или блог, скопируйте код и внедрите его в исходный html-код вашего блога/сайта.

Эта функция доступна только для PRO

Вы можете купить PRO аккаунт, либо получить его бесплатно,
пригласив 3 друзей на SmartProgress

Запросити друзів

Необмежена
кількість цілей

Придбати PRO-аккаунт

Email на все случаи и по любым вопросам

  • Максим Маликов

    основатель

  • Сергей Захаров

    основатель