Експресен курс за машинно обучение

Разкажете на приятелите си за събитието

Представени събития

Съжаляваме, регистрацията е затворена. Може би твърде много хора вече са се регистрирали за събитието или периодът за регистрация е изтекъл. Подробности можете да получите от организаторите на събитието.

6 урока в неделя. Този курс е подходящ като сериозен старт в Data Science. В същото време прагът за влизане е по-нисък, отколкото в курсовете, които могат да бъдат намерени онлайн.

Разкажете на приятелите си за събитието

Урок #4

В този урок най-накрая ще говорим за метода на най-близките съседи. - Нека се научим как да правим кръстосано валидиране и да намерим оптималните параметри на алгоритъма. - Нека анализираме домашното ( https://github.com/ CommanderDuck/express_ml/ blob/master/lesson3/ visualization_task.ipynb ) - Нека поговорим за различни показатели на алгоритми

Повече за курса:

Преподава от Игор Слинко работи в Yandex, прави Търсене. В свободното си време създава интересни проекти в областта на Data Science, чете лекции във Висшето училище по икономика (https://cs.hse.ru/dpo/datamining).

Плюсове: - Почти без формули - Много графики - Алгоритми, които работят на практика - Практически задачи в клас

Програма: 25.06 Въведение: какви задачи могат да бъдат успешно решени, какво е Big Data, защо се нуждаем от невронни мрежи? В практическата част обработваме предварително и визуализираме данни в Python с помощта на библиотеките numpy, matplotlib и pandas.

02.07 Въведение в най-популярната ML библиотека: scikit-learn. Проблемът с намаляването на размерите и групирането. В практическата част правим разпознаванеръкописни цифри в 10 реда код.

09.07 Алгоритъм RandomForest. Предсказваме съдбата на пътниците на Титаник, въз основа на данните в билета.

16.07 Метрики за оценка на качеството на прогнозите. Алгоритъмът KNearestNeighbors. Ние решаваме конкуренцията на kaggle.

23.07 Линейна и логистична регресия. Защо линейните модели работят? Обработка на текстови данни: TF-IDF, word2vec. Ние оценяваме емоционалното оцветяване на рецензиите в IMDB.

30.07 SVM и XGBoost. Прогнозиране дали банков клиент ще даде заем въз основа на данни от Tinkoff

Какво няма да има в този курс: - Невронни мрежи. Ще ги засегнем малко, но съзнателно искам да ги отделя в отделен курс. Няма смисъл да се преподават невронни мрежи без списъка с теми по-горе. - Подсилващо обучение. Това е супер интересна тема и наистина искам някой ден да направя отделен курс по нея. Аргументите са същите като при невронните мрежи. - Големи данни. Няма да работим с данни, които не се побират на твърдия диск. Добрата новина е, че почти винаги се побират на вашия твърд диск☺

Всеки урок продължава 3 часа и струва 1500r. Можете да заплатите целия курс наведнъж с отстъпка.