Курс позволит не просто поверхностно изучить принципы работы алгоритмов машинного обучения, а на профессиональном уровне освоить и применять в работе все этапы работы с данными, понимая, как, когда и зачем они используются.

Содержание:
01. Введение в машинное обучение
02. Базовые инструменты анализа данных в Python
03. Exploratory Data Analysis and Preprocessing
04. Задача классификации. Метод ближайших соседей (kNN)
05. Задача регрессии. Линейная регрессия
06. Логистическая регрессия
07. Feature engineering and advanced preprocessing
08. Практическое занятие по темам, изученным в первом модуле
09. Метод опорных векторов
10. Деревья решений
11. Ансамбли моделей
12. Градиентный бустинг
13. Обучение без учителя. K-means, EM алгоритм
14. Обучение без учителя. Иерархическая кластеризация. DB-Scan
15. Методы уменьшения размерности
16. Поиск аномалий в данных
16. Поиск аномалий в данных
18. Анализ текстовых данных. Часть 1
19. Анализ текстовых данных. Часть 2
20. Анализ текстовых данных. Часть 3. Практическое занятие
21. Рекомендательные системы. Часть 1
22. Рекомендательные системы. Часть 2
23. Анализ временных рядов. Часть 1
24. Анализ временных рядов. Часть 2
25. Алгоритмы на графах
26. АБ тестирование
27. Работа с Big Data. Часть 1
28. Работа с Big Data. Часть 2
29. Работа с Big Data. Часть 3
30. Нейронные сети и глубокое обучение
31. Бонус поиск Data Science работы

Информация о видео
Название: Machine learning
Автор: Коллектив
Год выхода: 2020
Жанр: Видеокурс
Язык: Русский
Выпущено: Россия
Продолжительность: 54:59:21

Файл
Формат: MP4 (+доп.файлы)
Видео: AVC, 1440x822-1680x1050, ~359 Kbps
Аудио: AAC, 70 Kbps, 48.0 KHz
Размер файла: 6.76 Gb