[Udemy]Машинное обучение с Python + Big Data - (Курс 2 из 17)
Формат: Видео
Продолжительность: ~ 03:19
Перевод: Красный Кут
Тип перевода: Транскрибация с русским переводом
Всего: 36 видео лекции длительность: 3 часа 30 минут
Решил сделать перевод всех курсов Lazy Programmer Inc. о искусственном интеллекте, машинном обучении взяв за основу материалы из этой
(Курс 1 из 17)
(Курс 3 из 17)
(Курс 4 из 17)
(курс 5 из 17)
Источник
Скрытое содержимое.
Deep Learning Prerequisites: Logistic Regression in Python
Автор: Lazy Programmer Inc.
Формат: Видео
Продолжительность: ~ 03:19
Перевод: Красный Кут
Тип перевода: Транскрибация с русским переводом
Всего: 36 видео лекции длительность: 3 часа 30 минут
Этот курс – введение в глубокое изучение и нейронные сети. Он охватывает популярную и фундаментальную методику, используемую в машинном обучении, обработке данных и статистике – логистическую регрессию. Мы охватываем теорию с самого начала – от вывода решения до его применения к проблемам действительности. Мы также покажем, как можно написать собственный модуль логистической регрессии на языке Python.
Этот курс не требует каких-либо дополнительных материалов. Всё необходимое (язык Python и некоторые его библиотеки) можно достать бесплатно.
Курс содержит множество практических примеров, так что вы воочию сможете увидеть, как глубокое обучение может быть использовано где угодно. В течение курса мы разработаем программу, которая продемонстрирует вам, как прогнозировать действия пользователя на сайте, учитывая его данные, - например, от того, заходит ли пользователь с мобильного устройства или нет, сколько страниц он просмотрел, как долго он находился на вашем сайте, возвращается он или нет, и в какое время дня они посещали сайт.
Другой проект при окончании курса покажет, как можно использовать глубокое обучение для распознавания выражения лица. Только представьте себе возможность предсказывать чьи-то эмоции лишь на основе картинки!
Если вы программист и хотите улучшить свои умения, изучая обработку данных, то этот курс – для вас. Если у вас есть технические или математические познания и вы хотите использовать свои навыки для принятия основанных на управляемых данных решениях и оптимизировать бизнес, используя научные принципы, - этот курс для вас.
Этот курс сконцентрирован на том, «как строить и понимать», а не просто «как использовать». Любой может научиться пользоваться API за 15 минут, прочитав соответствующую документацию. Суть не в «запоминании фактов», а в экспериментировании. Он научит вас видеть, что происходит внутри модели. Если вы хотите большего, чем просто поверхностный взгляд на модели машинного обучения, – этот курс для вас.
Весь код курса может быть загружен из моего github: /lazyprogrammer/machine_learning_examples в папке logistic_regression_class. Удостоверьтесь, что у вас ‘’git pull’’ последней версии!
Этот курс не требует каких-либо дополнительных материалов. Всё необходимое (язык Python и некоторые его библиотеки) можно достать бесплатно.
Курс содержит множество практических примеров, так что вы воочию сможете увидеть, как глубокое обучение может быть использовано где угодно. В течение курса мы разработаем программу, которая продемонстрирует вам, как прогнозировать действия пользователя на сайте, учитывая его данные, - например, от того, заходит ли пользователь с мобильного устройства или нет, сколько страниц он просмотрел, как долго он находился на вашем сайте, возвращается он или нет, и в какое время дня они посещали сайт.
Другой проект при окончании курса покажет, как можно использовать глубокое обучение для распознавания выражения лица. Только представьте себе возможность предсказывать чьи-то эмоции лишь на основе картинки!
Если вы программист и хотите улучшить свои умения, изучая обработку данных, то этот курс – для вас. Если у вас есть технические или математические познания и вы хотите использовать свои навыки для принятия основанных на управляемых данных решениях и оптимизировать бизнес, используя научные принципы, - этот курс для вас.
Этот курс сконцентрирован на том, «как строить и понимать», а не просто «как использовать». Любой может научиться пользоваться API за 15 минут, прочитав соответствующую документацию. Суть не в «запоминании фактов», а в экспериментировании. Он научит вас видеть, что происходит внутри модели. Если вы хотите большего, чем просто поверхностный взгляд на модели машинного обучения, – этот курс для вас.
Весь код курса может быть загружен из моего github: /lazyprogrammer/machine_learning_examples в папке logistic_regression_class. Удостоверьтесь, что у вас ‘’git pull’’ последней версии!
(Курс 1 из 17)
(Курс 3 из 17)
(Курс 4 из 17)
(курс 5 из 17)
Источник
Скрытое содержимое.