Редактирование курса

← Назад к списку

ID элемента Offer ID school_key Источник Название Школа Цена Старая цена Мин. платеж Длительность Ссылка на курс Диплом/сертификат Формат обучения Картинка Путь категорий Аналитика / Машинное обучение Плюсы 1) Обучение на курсе — отработка практических навыков программирования глубоких нейронных сетей. Используем силу machine learning для решения задач бизнеса!;2) Изучаем принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения.;3) Знакомимся с основными задачами и методами machine learning , изучаем практические кейсы и применяем базовый алгоритм работы над ml-проектом.;4) Знакомимся с решающими деревьями и их свойствами, осваиваем деревья из библиотеки sklearn и используем деревья для решения задачи регрессии.;5) Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии.;6) Знакомимся с анализом временных рядов в ML, осваиваем линейные модели и XGBoost, изучаем принципы кросс-валидации и подбора параметров.;7) Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering.;8) Изучаем особенности ансамблей деревьев, практикуемся в бустинге, используем ансамбль для построения логистической регрессии.;9) Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели.;10) Курс основан на практике. Фокус и упор мы делаем не на математическом фундаменте, а именно на понимании задач. Минусы 1) город Москва, вн. тер. г. Муниципальный округ Якиманка, пр-т Ленинский, дом 6, строение 20, этаж 3, комната 21.;2) Развивайте профессиональные навыки в онлайн-формате.;3) Тинькофф. Лицензия ЦБ РФ №2673 от 24.03.15.;4) ОТП банк. Лицензия ЦБ РФ №2766 от 27.11.14.;5) Сбербанк. Лицензия ЦБ РФ №1481 от 11.05.15.;6) МТС Банк. Лицензия ЦБ РФ №2268 от 17.12.14.;7) Учитесь из любой точки в удобное время.;8) Новости IT, советы и спецпредложения.;9) ограничения в приеме студентов?;10) Корпоративное обучение. Информация о курсе Все практические задачи — реальные кейсы и задачи по применению алгоритмов Deep Learning для задач бизнеса. В конце курса вас ждет командное соревнование, в котором вы сможете применить все полученные навыки. Вы сможете проходить обучение онлайн из любой точки планеты. Новые модули будут открываться раз в неделю. Программа курса 1)Изучаем принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения<br/>2)Знакомимся с основными задачами и методами machine learning , изучаем практические кейсы и применяем базовый алгоритм работы над ml-проектом<br/>3)Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии<br/>4)Знакомимся с анализом временных рядов в ML, осваиваем линейные модели и XGBoost, изучаем принципы кросс-валидации и подбора параметров<br/>5)Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering<br/>6)Изучаем особенности ансамблей деревьев, практикуемся в бустинге, используем ансамбль для построения логистической регрессии<br/>7)Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели<br/>8)Знакомимся с другими областями применения нейросетей. Создаем нейросеть GAN для генерации изображений<br/>9)Применяем все изученные методы для получения максимальной точности предсказаний модели на kaggle<br/>10)Проектируем нейронную сеть для сегментации людей в датасете COCO Чему вы научитесь 1)Изучаем принципы разбиения выборки, недо- и переобучение, оцениваем модели по различным метрикам качества, учимся визуализировать процесс обучения<br/>2)Знакомимся с основными задачами и методами machine learning , изучаем практические кейсы и применяем базовый алгоритм работы над ml-проектом<br/>3)Осваиваем линейную и логистическую регрессию, изучаем границы применимости, аналитический вывод и регуляризацию. Обучаем модели регрессии<br/>4)Знакомимся с анализом временных рядов в ML, осваиваем линейные модели и XGBoost, изучаем принципы кросс-валидации и подбора параметров<br/>5)Изучаем типы данных, учимся очищать и обогащать данные, используем визуализацию для предобработки и осваиваем feature engineering<br/>6)Изучаем особенности ансамблей деревьев, практикуемся в бустинге, используем ансамбль для построения логистической регрессии<br/>7)Изучаем методы построения рекомендательных систем, осваиваем SVD-алгоритм, оцениваем качество рекомендаций обученной модели<br/>8)Знакомимся с другими областями применения нейросетей. Создаем нейросеть GAN для генерации изображений<br/>9)Применяем все изученные методы для получения максимальной точности предсказаний модели на kaggle<br/>10)Проектируем нейронную сеть для сегментации людей в датасете COCO Лучший курс Курс на главной Дата начала Статус курса Активность Meta Title Meta Description Machine Learning и Deep Learning — Машинное обучение, в SkillFactory - skillfactory.ru, цена 57321 ₽, рассрочка от 1769 ₽/мес, длительность 20 недель, формат: Смешанный, Сертификат. Смотрите программу, описание, отзывы и условия обучения. Дата создания Дата изменения Сохранить