1

Этап 1

Неделя 1. Машинное обучение и линейные модели

12 февраля—18 февраля

2

Этап 2

Неделя 2. Борьба с переобучением и оценивание качества

19 февраля—25 февраля

3

Этап 3

Неделя 3. Линейные модели: классификация и практические аспекты

26 февраля—04 марта

4

Этап 4

Неделя 4. Решающие деревья и композиции алгоритмов

05 марта—11 марта

5

Этап 5

Неделя 5. Нейронные сети и обзор методов

12 марта—18 марта

1

Этап 1

Неделя 1. Машинное обучение и линейные модели

12 февраля—18 февраля

2

Этап 2

Неделя 2. Борьба с переобучением и оценивание качества

19 февраля—25 февраля

3

Этап 3

Неделя 3. Линейные модели: классификация и практические аспекты

26 февраля—04 марта

4

Этап 4

Неделя 4. Решающие деревья и композиции алгоритмов

05 марта—11 марта

5

Этап 5

Неделя 5. Нейронные сети и обзор методов

12 марта—18 марта

18 декабря 2017 18 марта 2018
Цель просрочена на 2237 дней

Цель заброшена

Автор не отписывался в цели 6 лет 2 месяца 8 дней

Общая

Пройти курс Обучение на размеченных данных

Курс по Обучение на размеченных данных в рамках прохождения специализации Машинное обучение и анализ данных на Coursera.org

 Критерий завершения

Все задания выполнены, получен сертификат о прохождении курса

 Личные ресурсы

Время, желание учиться, удовольствие от получения новых знаний

  1. Неделя 1. Машинное обучение и линейные модели

    Стоимость этапа — 13683.00 ₽

    1. Знакомство с курсом

    2. Знакомство с машинным обучением

    3. Линейные модели

    4. Задание: Линейная регрессия и основные библиотеки Python

    5. Задание: Линейная регрессия и стохастический градиентный спуск

  2. Неделя 2. Борьба с переобучением и оценивание качества

    1. Проблема переобучения и борьба с ней

    2. Метрики качества

    3. Библиотека scikit-learn. Введение

    4. Задание: Линейная регрессия: переобучение и регуляризация

    5. Задание: Метрики в sklearn

  3. Неделя 3. Линейные модели: классификация и практические аспекты

    1. Линейные модели: статистический взгляд

    2. Практические рекомендации по линейным моделям

    3. Библиотека scikit-learn. Продолжение

    4. Задание: Методы предобработки данных и логистическая регрессия

  4. Неделя 4. Решающие деревья и композиции алгоритмов

    1. Решающие деревья

    2. Случайные леса

    3. Градиентный бустинг

    4. Задание: Градиентный бустинг своими руками

  5. Неделя 5. Нейронные сети и обзор методов

    1. Нейронные сети

    2. Байесовская классификация и регрессия

    3. Метрические алгоритмы и SVM

    4. Теорема Байеса в машинном обучении

    5. Бонусный урок

    6. Задание: Выбор семейства распределений в наивном байесе

    7. Задание: 1NN против RandomForest

  • 1802
  • 18 декабря 2017, 17:47
Регистрация

Регистрация

Уже зарегистрированы?
Быстрая регистрация через соцсети
Вход на сайт

Входите.
Открыто.

Еще не зарегистрированы?
 
Войти через соцсети
Забыли пароль?