Объявлен набор на обучающий курс «Машинное обучение: Курс молодого бойца»

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


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

Авторизация



RSS


RSS новости


2018-09-19 11:28

Семинары

21 сентября 18.30 в пространстве Digital Space пройдет презентация + первое занятие курса «Машинное обучение: Курс молодого бойца» от руководителя компании Miramind Technology Якова Филина

Искусственный интеллект будет определять наше будущее сильнее, чем любое другое нововведение века. Те, кто не понимает этого, скоро начнет чувствовать себя позади, просыпаясь в мире технологий, который все больше и больше напоминает магию.

Одним из подразделов искусственного интеллекта является машинное обучение. Его цель - позволить компьютерам самостоятельно учиться, набираться опыта и давать предсказания. Алгоритмы машинного обучения позволяют изучать различные типы данных, строить модели и предсказывать вещи без явно запрограммированных заранее правил и моделей. Чтобы профессионально овладеть этими технологиями, нужно научиться пользоваться «волшебной палочкой» – алгоритмами и языком программирования.

В ходе данного курса будут рассмотрены основные алгоритмы машинного обучения, подходы, применяемые при анализе данных на примере реальных задачах. К окончанию курса вы сможете самостоятельно описать, как такие модели работают на концептуальном уровне и получите инструмент для самостоятельного создания «интеллектуальных» приложений.

Почему именно сейчас стоит начать заниматься машинным обучением можно узнать в исследовании.

План курса:

  1. Основные понятия и типы задач машинного обучения. Язык Python. Библиотека Pandas.
    2. Байесовские методы в машинном обучении. Метрическая классификация.
    3. Линейные модели классификации и регрессии. Оптимизация алгоритмов
    4. Решающие деревья. Композиция: бэггинг и случайный лес.
    5. Методы работы с признаками. Создание хороших наборов данных.
    6. Алгоритмы обучения без учителя. Сжатие данных (PCA, LDA).
    7. Методы оценки моделей и тонкая настройка.
    8. Градиентный бустинг.

В ходе прохождения курса участникам предлагается заниматься разработкой собственного проекта. Реализация интересной задачи может дать шанс пройти стажировку в компании Freematiq.

Получить консультацию: https://dspace.pro/

#Образовательные_курсы #Машинное_обучение #наборнакурсы


Источник: m.vk.com

Комментарии: