​

Курс посвящен применению языка Python для технологий машинного обучения. Изучаются основные библиотеки, используемые в машинном обучении и методики их использования.

• Курс рассматривает методы и библиотеки, основанные на языке Python и предназначенные для машинного обучения.
• Курс основан на опыте практического применения библиотек машинного обучения.
• Курс включает в себя не только практическую, но и теоретическую часть, и таким образом не сводится к простому «сборнику рецептов».
• Курс читается на базе ОС Linux. Обучение проводится на примере популярнейшего дистрибутива Ubuntu. Однако большинство технологий, изучаемых на курсе, могут применяться и на базе Windows.

Курс авторизован Postgres Professional.

Содержание
Модуль 1. Постановка задачи машинного обучения

• Три типа машинного обучения.
• Схема построения систем машинного обучения.
• Необходимый инструментарий.

Модуль 2. Обучение с учителем. Задача классификации

• Понятие нейронной сети.
• Персептрон. Определение, реализация и обучение.
• Адаптивный линейный нейрон. Определение, реализация и обучение.
• Метод градиентного спуска.

Модуль 3. Библиотека scikit-learn, ее основные возможности

• Обучение персептрона.
• Метод логистической регрессии.
• Метод опорных векторов.
• Метод k ближайших соседей.

Спойлер: Продолжение описания

Модуль 4. Обучение с учителем. Задача регрессии

• Обучение с учителем. Задача регрессии.
• Линейная регрессия.
• Метод наименьших квадратов.
• Метод градиентного спуска.
• Оценка качества регрессионной модели.
• Основы нелинейной регрессии

Модуль 5. Обучение без учителя. Кластерный анализ

• Метод k средних

Модуль 6. Основы глубокого обучения

• Многослойная нейронная сеть.
• Применение библиотеки TensorFlow для обучения нейронной сети.