Курс основ машинного обучения на современной архитектуре Intel®
#data_analysis@proglib #novice@proglib #python@proglib
Данный курс представляет собой обзор основ машинного обучения на современной архитектуре Intel®.
Продолжительность курса - 12 недель (по три часа в неделю).
Курс состоит из лекций и упражнений. Все упражнения реализованы на языке Python, поэтому знакомство с языком поощряется, хотя и не требуется (вы можете учиться по мере необходимости).
Ниже прикреплены архивы с лекциями и упражнениями.
1. Знакомство с основными инструментами
2. Основные понятия
3. Разница между моделями over-fitting и under-fitting. Введение в модель линейной регрессии.
4. Функции затрат, регуляризация, алгоритмы статистической оптимизации (градиентный спуск и его применение к линейной регрессии)
5. Логистическая регрессия и ее отличие от линейной регрессии
6. Основы теории вероятностей и наивный байесовский классификатор
7. Алгоритм SVM для задач классификации. Регуляризация в SVM
8. Деревья принятия решений, деревья регрессии
9. Концепции бутстрапинга и агрегации. Алгоритм Random Forest ("Случайный лес")
10. Алгоритм ускорения
11. Неконтролируемые алгоритмы обучения
12. Метод главных компонент (PCA). Многомерное шкалирование (MDS)
Ссылка на курс:
https://software.intel.com/en-us/ai-academy/students/kits/machine-learning-501