Машинное обучение: дополнительные главы

Раскрывайте потенциал данных с продвинутыми методами ML

  • Старт: В любое время
  • Длительность: 5 недель
  • Нагрузка:72 ак.часа
  • Формат: Синхронный или асинхронный

О курсе

Курс знакомит с теорией и практикой классического машинного обучения

Вы изучите метод опорных векторов, деревья принятия решений и популярные ансамбли на их основе. Также вы разберетесь в обучении с подкреплением и развитии нейросетей — от перцептрона до GPT.

Вы научитесь:

  • Различать между собой задачи машинного обучения;

  • Модифицировать, кодировать
    и преобразовывать данные для обучения;

  • Обогащать набор тренировочных данных;

  • Использовать продвинутые алгоритмы машинного обучения, настраивать их параметры.

Иконка текста

Минимальные требования

Знание языка программирования Python (основы, библиотеки Pandas, NumPy), курс высшей математики (линейная алгебра, основы математического анализа).

Содержание

Метод опорных векторов

Деревья принятия решений

Ансамбли

Обучение с подкреплением

Введение в теорию нейронных сетей