Предпосылки к глубокому обучению: инструментарий Numpy на языке Python
Автор: Lazy Programmer Inc.
Формат: транскрибация видео
Продолжительность: ~ 3.5 ч
Перевод: Красный Кут
Тип перевода: Транскрибация с русским переводом
Дата вsдачи курса 30.08. 19
Решил сделать перевод всех курсов Lazy Programmer Inc. о искусственном интеллекте, машинном обучении,- взяв за основу материалы из этой .
Другие курсы автора смотрите у меня в подписи
ЧЕМУ ВЫ НАУЧИТЕСЬ?
Спойлер
– понимать машинное обучение с учителем (классификацию и регрессию) с использованием библиотеки Scikit-Learn на примерах из реального мира;
– понимать и писать код, используя инструментарий библиотеки Numpy;
– приучитесь использовать библиотеки Numpy, Scipy, Matplotlib и Pandas для написания численных алгоритмов;
– понимать плюсы и минусы разнообразных моделей машинного обучения, включая глубокое обучение, деревья решений, метод «случайного леса», линейную регрессию, форсирование и другие.
ТРЕБОВАНИЯ
Спойлер
– понимать линейную алгебру и гауссово распределение;
– владеть написанием кода на языке Python;
– вы должны уже знать «зачем нужны» скалярное произведение, обратные матрицы и гауссово распределение вероятностей и как их использовать.
– линейная алгебра;
– теория вероятностей;
– кодирование на языке Python: условный оператор, операторы цикла, списки, словари, наборы;
– вы должны уже знать «зачем нужны» скалярное произведение, обратные матрицы и гауссово распределение вероятностей и как их использовать.
В КАКОМ ПОРЯДКЕ ИЗУЧАТЬ КУРСЫ?
Ознакомьтесь с лекцией «В каком порядке изучать курсы?» (находится в приложениях во всех моих курсах, включая и бесплатный курс по Numpy).
ЦЕЛЕВАЯ АУДИТОРИЯ
– студенты и специалисты с малым опытом работы с Numpy, планирующие позже изучить глубокое и машинное обучение;
– студенты и специалисты, попробовавшие свои силы в машинном обучении и обработке данных, но натолкнувшиеся на затруднения с изложением концепций в коде.
Источник
Скрытое содержимое.