Библиотеки машинного обучения на Python - Scikit learn and Pandas. "Школа Больших Данных"

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Библиотека Scikit-learn — самый широкоиспользуемый выбор для решения задач классического машинного обучения. Она предоставляет широкий выбор алгоритмов обучения с учителем и без учителя.

В данном примере демонстрируется использование Scikit -learn для машинного обучение на тестовом датасете .

Новый 3х дневный практический курс по основам машинного обучения для специалистов по аналитике данных, разработчиков и руководителей, которые хотят освоить базовые понятия Machine Learning с использованием Python. "Школа Больших Данных" г. Москва

Курс проводится только в специализированном учебном центре «Школа Больших Данных»
https://www.bigdataschool.ruVkontakte: https://vk.com/bdschool_mckFacebook: https://www.facebook.com/pg/bigdatasc...Linkedin: https://www.linkedin.com/company/1181...Обращаться по телефону:
+7 (915) 307-00-74
+7 (995) 100-45-63

Продолжительность: 3 дня, 24 академических часа.

Соотношение теории к практике 50/50

Курс Введение в машинное обучение представляет собой прикладные основы Machine Learning, включая всю необходимую теорию и практику по этой области искусственного интеллекта. В программе рассмотрено место машинного обучения в современной науке о данных (Data Science) и изложены математические основы методов Machine Learning. Приведены базовые задачи, которые могут быть решены с помощью методов машинного обучения: классификация, кластеризация, регрессионный анализ. Большое внимание уделено практическому решению задач с использованием методов машинного обучения на языке Python.

На практике вы самостоятельно создадите, обработаете и проанализируете датасет, решив задачи регрессии, классификации и кластеризации, а также создадите собственный веб-сервис на базе модели машинного обучения. В результате освоения программы курса вы овладеете основными навыками Machine Learning, необходимыми для решения базовых задач в области искусственного интеллекта.

Успешно окончив курс "Введение в машинное обучение" в нашем лицензированном учебном центре «Школа Больших Данных», вы получите сертификат о повышении квалификации государственного образца.

Если вы новичок в программировании, то можете предварительно пройти онлайн-курс по Python для начинающих, а потом прийти подготовленным в ШБД.

Программа курса «Введение в машинное обучение»
1. Место машинного обучения в области искусственного интеллекта
Основные понятия; классификация задач, решаемых с помощью методов машинного обучения; виды данных, понятие датасета.
Практическая часть: первичный анализ датасета, предобработка данных.
2. Задачи классификации: бинарная и множественная классификация
Определение и примеры задач классификации.
Математическое описание модели решающего дерева в задачи бинарной классификации.
Метрики бинарной классификации.
Практическая часть: решение задач бинарной и множественной классификаций.
3. Задачи регрессии
Определение и примеры задач регрессии.
Математическое описание модели линейной регрессии.
Метрики задач регрессии.
Способы регуляризации.
Практическая часть: решение задачи регрессии.
4. Задача кластеризации
Определение и примеры задач кластеризации.
Математическое описание модели kNN.
Связь кластеризации с понижением размерности пространства объектов датасета.
Практическая часть: решение задачи кластеризации и понижения размерности данных.
5. Использование моделей машинного обучения в production
Сериализация/десериализация объектов в Python, фреймворк Flask.
Практическая часть: создание веб-сервиса на фреймворке Flask.


Источник: www.youtube.com

Комментарии: