машинное обучение

Чему вы научитесь Процесс и модель машинного обучения Заполнение пропусков в данных Линейная регрессия и L1/L2 регуляризация Решающие деревья и ансамбли стекинга Корреляция и взаимная информация Метод главных компонент (PCA) Сингулярное разложение (SVD) Анализ независимых компонент (ICA)...

О курсе Наша цель – научить вас практическому применению Data Science и Машинного обучения. Поэтому мы сделали упор на практические навыки (естественно, не забывая о теории). Каждый преподаватель выступает в роли персонального тренера навыков Data Science и поддерживает на всех этапах курса. Мы...

Знаменитый оксфордский профессор и популяризатор науки Маркус дю Сотой исследует природу творчества, освещая наиболее важные аспекты работы алгоритмов и математических правил, которые лежат в их основе. Он задается вопросом, насколько наш эмоциональный отклик на произведения искусства обусловлен...

На лекциях курса мы обсудим важнейшие определения и понятия из области ИИ и машинного обучения. Поговорим об истории думающих машин, об играх, ставших на долгое время полигоном для испытания моделей ИИ, о том, как люди, изучая работу мозга, пытались создать эффективные методы решения...

Чтобы увидеть в больших объёмах данных закономерности, аналитик опирается на линейную алгебру, математический анализ и теорию вероятности. Если специалист не разбирается в этих направлениях — гипотезы и выводы будут неточными. Это как запустить ракету в космос, не зная траекторию полёта. Мы...