1

Етап 1

Неделя 1. Машинное обучение и линейные модели

12 лютого—18 лютого

2

Етап 2

Неделя 2. Борьба с переобучением и оценивание качества

19 лютого—25 лютого

3

Етап 3

Неделя 3. Линейные модели: классификация и практические аспекты

26 лютого—04 березня

4

Етап 4

Неделя 4. Решающие деревья и композиции алгоритмов

05 березня—11 березня

5

Етап 5

Неделя 5. Нейронные сети и обзор методов

12 березня—18 березня

1

Етап 1

Неделя 1. Машинное обучение и линейные модели

12 лютого—18 лютого

2

Етап 2

Неделя 2. Борьба с переобучением и оценивание качества

19 лютого—25 лютого

3

Етап 3

Неделя 3. Линейные модели: классификация и практические аспекты

26 лютого—04 березня

4

Етап 4

Неделя 4. Решающие деревья и композиции алгоритмов

05 березня—11 березня

5

Етап 5

Неделя 5. Нейронные сети и обзор методов

12 березня—18 березня

18 грудня 2017 18 березня 2018
Ціль прострочена на 2252 дня

Мета закинута

Автор не відписував в цілі 6 років 2 месяця 22 дня

Загальна

Пройти курс Обучение на размеченных данных

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

 Критерій завершення

Все задания выполнены, получен сертификат о прохождении курса

 Особисті ресурси

Время, желание учиться, удовольствие от получения новых знаний

  1. Неделя 1. Машинное обучение и линейные модели

    Вартість етапу — 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

  • 1804
  • 18 грудня 2017, 17:47

Реєстрація

Можливості
безмежні.
Настав час
відкрити свої.

Уже зарегистрированы?
Вхід на сайт

Заходьте.
Відкрито.

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