Переглянути вкладення 73158
[Udemy] штучний інтелект і Машинне навчання + Основи Python (Тимур Казанцев)
- Чи зможете розрізняти між машинним і глибинним навчанням і нейронними мережами
- Дізнаєтеся, в яких областях застосовуються технології штучного інтелекту і Машинного навчання, і що чекає ШІ в майбутньому
- Чи зможете вирішувати прості реальні завдання з використанням алгоритмів Машинного навчання в Excel і Python
- Навчіться Основам програмування на Python
- Дізнаєтеся де знаходити дані і Датасети
- Побудуйте нейронні мережі для прогнозування зображень та аналізу текстів
- Створіть свої моделі Машинного навчання для вирішення задач
- Вам Необов'язково знати математику, статистику або будь-яку мову програмування, щоб пройти даний курс
- Вам Необов'язково встановлювати будь-яке програмне забезпечення для проходження курсу
- передбачення цін на квартири
- передбачення ВВП від цін на нафту
- передбачення про те, які з пасажирів вижили на Титаніку
- передбачення що зображено на малюнках за допомогою нейронної мережі!
- аналіз тональність текстів на основі нейронних мереж!
- та ін.
- Цей курс буде корисний будь-кому, кому цікаві новітні технології і хто хоче бути в курсі того, куди рухається наша цивілізація
- Курс буде корисний тим, хто хоче зрозуміти як можна впроваджувати технології машинного навчання
- Якщо ви хочете навчитися основам програмування на Python, то курс буде Вам корисний
- Цей курс буде корисний будь-кому, хто хоче зрозуміти як працюють нейронні мережі, і алгоритми Машинного навчання
Штучний інтелект - це вже наше сьогодення, з яким ми стикаємося кожен день, будь то при пошуку в Інтернеті, покупках онлайн, перегляді відео і зображень в соціальних мережах, і навіть водінні автомобіля. ШІ застосовується і в більш комерційних областях і там, де від цього залежать життя людей, а саме, в медицині, при прогнозуванні продажів, космічній сфері та будівництві.
Раз вже ми оточені технологіями ШІ всюди, то необхідно мати уявлення про те, як вони працюють. І для такого розуміння на базовому рівні необов'язково мати технічну або IT освіту.
У цьому курсі ми розповімо вам про основні поняття штучного інтелекту та машинного навчання. Ви познайомитеся з основними видами, алгоритмами і моделями, які використовуються для вирішення абсолютно різних завдань, і ми навіть побудуємо нашу власну нейронну мережу. Ми навіть спробуємо створити разом моделі регресії та класифікації для вирішення конкретних практичних прикладів в Excel - для тих, хто не хоче нічого програмувати. А для тих, хто хоче познайомитися з Python - мовою програмування, на якому вирішується сьогодні більше 53% всіх завдань з машинного навчання, в даному курсі ви знайдете лекції для ознайомлення з основами програмування на цій мові.
Цей курс може стати своєрідним трампліном для розвитку вашої кар'єри в області штучного інтелекту, машинного навчання і великих даних. На його основі ви зможете в подальшому вибрати вже ту конкретну область, в якій ви б хотіли розвиватися і працювати далі. Не можна не згадати, що фахівці в області ШІ і Big Data сьогодні - одні з найбільш високооплачуваних і шуканих на ринку (за різними оцінками всього на глобальному ринку сьогодні близько 300 000 фахівців з ШІ, в той час як попит на них - кілька мільйонів).
Так чому б не зміцнити своє резюме сертифікатом від найбільшої міжнародної освітньої платформи Udemy про те, що ви пройшли даний курс про штучний інтелект і Машинне навчання, і основам програмування на Python. Після проходження даного курсу, ви зможете спілкуватися вільно на теми, що стосуються штучного інтелекту, машинного і глибокого навчання, і нейронних мереж. Ви зможете аналізувати і візуалізувати дані, використовувати алгоритми і нейронні мережі для вирішення завдань з різних областей.
Даний курс містить більше 30 корисних лекцій і буде регулярно доповнюватися новими лекціями і після зарахування на нього у вас буде повноцінний доступ до всіх матеріалів без будь-яких обмежень. Витратьте деякий час на вивчення цього курсу, щоб посилити свої професійні навички та розширити кругозір, використовуючи набуті знання.
1 Вступ
1 Вступ. mp4 [52m 359k 193]
2 Історія розвитку штучного інтелекту. mp4 [89m 965k 685]
2 основні поняття
1 Різниця між ШІ, машинним навчанням та глибоким навчанням.mp4 [88m 323k 242]
2 приклади використання ШІ, МО І ГО в різних областях. mp4 [55m 346k 380]
3 основні завдання та методи Машинного навчання
1 Навчання з учителем і навчання без учителя(Supervised vs Unsupervised learning). mp4 [0]
2.0 регресія. Метод найменших квадратів. Приклад рішення в Excel.mp4 [28m 812k 890]
2.1 REgression-flat price.xlsx [14k 846]
3 Класифікація. mp4 [17M 494k 265]
4.0 Метод k-найближчих сусідів. Рішення задачі класифікації. mp4 [76m 560k 373]
4.1 iris-classification.xlsx [32k 923]
5 кластеризація. mp4 [28M 17k 122]
4 ансамблю в машинному навчанні
1. mp4 [21M 271K 78]
2 комітет більшості. mp4 [11M 6k 209]
3 Бэггинг.mp4 [13m 105k 955]
4 випадковий ліс. mp4 [11M 449k 794]
5 майбутнє штучного інтелекту та завершення теоретичної частини курсу
1 майбутнє штучного інтелекту. mp4 [101M 765k 276]
6 Основи програмування на Python
1 для тих, хто знає основи Python.html [883]
2 Встановлення Python. Дистрибутив Anaconda.mp4 [34m 802k 989]
3.0 базові команди в Python.mp4 [27m 67k 47]
3.1 Basic-commands.py [1k 254]
4.0 Оператор If - Else.mp4 [25m 445k 327]
4.1 If - Else.py [1k 78]
5.0 Оператор While. Функція Input.mp4 [26m 157k 309]
5.1 While-operator.py [563]
6 рядків.mp4 [15m 111k 174]
7 Списки та операції з ними.mp4 [18M 323k 449]
8 Словники та операції з ними.mp4 [27M 721k 333]
7 побудова моделей Машинного навчання в Python
1.0 прогнозування цін на квартири методом лінійної регресії. mp4 [82m 356k 685]
1.1 flat-linear-regression.py [2k 56]
1.2 gdprussia.xlsx [9k 665]
1.3 prediction_price.xlsx [8k 187]
1.4 price1.xlsx [8k 578]
2.0 прогнозування ВВП від цін на нафту за допомогою лінійної регресії. mp4 [28M 890k 595]
2.1 Oil-003.py [1k 285]
3.0 вижили на Титаніку. Модель класифікації за допомогою методу опорних векторів. mp4 [0]
3.1 titanic-prediction.py [2k 192]
4.0 вижили на Титаніку. Моделі дерева рішень, випадкового лісу та Багінгу.mp4 [0]
4.1 titanic-decision-tree.py [2k 942]
4.2 titanic-Random-Forest.py [2k 538]
8 побудова нейронних мереж у Python
1 нейронні мережі. Передбачення зображень одягу. mp4 [151M 197k 139]
2 нейромережі для аналізу текстів. mp4 [24M 720k 672]
3 нейромережі для аналізу тональності відгуків. mp4 [85M 273k 284]
9 Бонус. Де знаходити дані для Машинного навчання
1.0 відкриті Датасети для завдань Машинного навчання.html [10k 223]
1.1 ось ще одна цікава добірка з датасетами для машинного навчання.html [0]
1.2 Datasets-attachment.pdf [523k 156]
1 Вступ. mp4 [52m 359k 193]
2 Історія розвитку штучного інтелекту. mp4 [89m 965k 685]
2 основні поняття
1 Різниця між ШІ, машинним навчанням та глибоким навчанням.mp4 [88m 323k 242]
2 приклади використання ШІ, МО І ГО в різних областях. mp4 [55m 346k 380]
3 основні завдання та методи Машинного навчання
1 Навчання з учителем і навчання без учителя(Supervised vs Unsupervised learning). mp4 [0]
2.0 регресія. Метод найменших квадратів. Приклад рішення в Excel.mp4 [28m 812k 890]
2.1 REgression-flat price.xlsx [14k 846]
3 Класифікація. mp4 [17M 494k 265]
4.0 Метод k-найближчих сусідів. Рішення задачі класифікації. mp4 [76m 560k 373]
4.1 iris-classification.xlsx [32k 923]
5 кластеризація. mp4 [28M 17k 122]
4 ансамблю в машинному навчанні
1. mp4 [21M 271K 78]
2 комітет більшості. mp4 [11M 6k 209]
3 Бэггинг.mp4 [13m 105k 955]
4 випадковий ліс. mp4 [11M 449k 794]
5 майбутнє штучного інтелекту та завершення теоретичної частини курсу
1 майбутнє штучного інтелекту. mp4 [101M 765k 276]
6 Основи програмування на Python
1 для тих, хто знає основи Python.html [883]
2 Встановлення Python. Дистрибутив Anaconda.mp4 [34m 802k 989]
3.0 базові команди в Python.mp4 [27m 67k 47]
3.1 Basic-commands.py [1k 254]
4.0 Оператор If - Else.mp4 [25m 445k 327]
4.1 If - Else.py [1k 78]
5.0 Оператор While. Функція Input.mp4 [26m 157k 309]
5.1 While-operator.py [563]
6 рядків.mp4 [15m 111k 174]
7 Списки та операції з ними.mp4 [18M 323k 449]
8 Словники та операції з ними.mp4 [27M 721k 333]
7 побудова моделей Машинного навчання в Python
1.0 прогнозування цін на квартири методом лінійної регресії. mp4 [82m 356k 685]
1.1 flat-linear-regression.py [2k 56]
1.2 gdprussia.xlsx [9k 665]
1.3 prediction_price.xlsx [8k 187]
1.4 price1.xlsx [8k 578]
2.0 прогнозування ВВП від цін на нафту за допомогою лінійної регресії. mp4 [28M 890k 595]
2.1 Oil-003.py [1k 285]
3.0 вижили на Титаніку. Модель класифікації за допомогою методу опорних векторів. mp4 [0]
3.1 titanic-prediction.py [2k 192]
4.0 вижили на Титаніку. Моделі дерева рішень, випадкового лісу та Багінгу.mp4 [0]
4.1 titanic-decision-tree.py [2k 942]
4.2 titanic-Random-Forest.py [2k 538]
8 побудова нейронних мереж у Python
1 нейронні мережі. Передбачення зображень одягу. mp4 [151M 197k 139]
2 нейромережі для аналізу текстів. mp4 [24M 720k 672]
3 нейромережі для аналізу тональності відгуків. mp4 [85M 273k 284]
9 Бонус. Де знаходити дані для Машинного навчання
1.0 відкриті Датасети для завдань Машинного навчання.html [10k 223]
1.1 ось ще одна цікава добірка з датасетами для машинного навчання.html [0]
1.2 Datasets-attachment.pdf [523k 156]
https://privatelink.de/?https://www.udemy.com/course/ai-machinelearning-ru/