Введение в машинное обучение

28 участников

О чём курс

Одно стандартное бизнес-решение часто требует сложной обработки данных — здесь показывают, как перевести этот процесс в плоскость машинного обучения, от постановки задачи до минимизации ошибок предсказания. Вы разберетесь в фундаментальных алгоритмах, на которых строится работа с большими данными, включая линейную и логистическую регрессии, а также научитесь оценивать качество моделей через среднеквадратичную ошибку и другие метрики. Курс подходит руководителям, менеджерам и разработчикам, желающим понять, как именно «думают» алгоритмы ИИ. Финал работы — четкое понимание жизненного цикла модели и умение интерпретировать результаты её обучения для практических задач.

Программа обучения

  • Задачи и процесс машинного обучения
  • Данные для машинного обучения
  • Особенности обучение моделей
  • Экспорт и импорт результатов машинного обучения
  • Метод максимального правдоподобия
  • Линейная регрессия и регуляризация
  • Среднеквадратичная ошибка и другие метрики
  • Полиномиальная и нелинейная регрессия
  • Логистическая регрессия
Складчина создана 16 мая 2020 г. · описание обновлено 23 марта 2026 г.

Другие материалы школы 11

I ITtensive Все материалы
128 ₽ 974 ₽