Задачи и процесс машинного обучения, работа с моделью и данными, линейные метрики и простые модели.
Чему вы научитесь:
- Задачи и процесс машинного обучения
- Данные для машинного обучения
- Особенности обучение моделей
- Экспорт и импорт результатов машинного обучения
- Метод максимального правдоподобия
- Линейная регрессия и регуляризация
- Среднеквадратичная ошибка и другие метрики
- Полиномиальная и нелинейная регрессия
- Логистическая регрессия
Требования:
- Школьная математика
- Интерес к искусственному интеллекту и(ли) большим данным
Работа с большими данными и задачами искусственного интеллекта требует особого подхода — подхода машинного обучения. В этом курсе мы последовательно пройдем все этапы работы с данными: от видов задач и их постановки до работы с моделями машинного обучения для минимизации предсказательной ошибки.
Дополнительно рассмотрим фундаментальные основы построения моделей машинного обучения, базовые метрики и наиболее простые модели — линейную и логистическую регрессии.
Курс является вводным и подойдет широкому кругу слушателей: от руководителей до разработчиков.
Для кого этот курс:
- Руководители и менеджеры
- Разработчики больших систем
- Научные работники
- Директора по маркетингу и продажам
