1

Etapa 1

Неделя 1. Машинное обучение и линейные модели

12 febrero—18 febrero

2

Etapa 2

Неделя 2. Борьба с переобучением и оценивание качества

19 febrero—25 febrero

3

Etapa 3

Неделя 3. Линейные модели: классификация и практические аспекты

26 febrero—04 marzo

4

Etapa 4

Неделя 4. Решающие деревья и композиции алгоритмов

05 marzo—11 marzo

5

Etapa 5

Неделя 5. Нейронные сети и обзор методов

12 marzo—18 marzo

1

Etapa 1

Неделя 1. Машинное обучение и линейные модели

12 febrero—18 febrero

2

Etapa 2

Неделя 2. Борьба с переобучением и оценивание качества

19 febrero—25 febrero

3

Etapa 3

Неделя 3. Линейные модели: классификация и практические аспекты

26 febrero—04 marzo

4

Etapa 4

Неделя 4. Решающие деревья и композиции алгоритмов

05 marzo—11 marzo

5

Etapa 5

Неделя 5. Нейронные сети и обзор методов

12 marzo—18 marzo

18 diciembre 2017 18 marzo 2018
Objetivo vencido en % days%

El objetivo está desatendido

El autor lleva sin comentar el objetivo 6 años 2 meses 22 días

Autor del objetivo

General

Пройти курс Обучение на размеченных данных

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

 Criterio del fin

Все задания выполнены, получен сертификат о прохождении курса

 Recursos personales

Время, желание учиться, удовольствие от получения новых знаний

  1. Неделя 1. Машинное обучение и линейные модели

    Coste de la etapa — 150.49 $

    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

  • 1805
  • 18 diciembre 2017, 17:47
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?