Введение
Урок 1: Что такое машинное обучение?
Цели обучения
1.1 установить
1.2 понятна мл библиотек (новый урок, название уточняется)
1.3 описание методов, используемых в машинном обучении
1.4 понимаете разницу между "глубокое обучение" и других методов ML
1.5 понимания классификации по сравнению с регрессионной зависимости.кластеризация и более/недообучения
1.6 проанализировать уменьшение размерности объяснить, реконструирования, а также использовать функцию выбора
1.7 отличить категорично против порядковый номер и непрерывных переменных
1.8 проанализировать прямого кодирования
1.9 использовать сетки используются для отбора признаков и поиск
1.10 понять, выбрать и метрики
Урок 2: Исследуя набор данных
цели обучения,
2.1 раскрыть аномалии и целостность данных проблем
2.2 очищают и массируют ваши данные
2.3 особенности и целевую
2.4 реализация ж/сплит тест и выбрать модель
Урок 3: Классификация
цели обучения,
3.1 понимать функцию значений
3.2 установить пороговые значения в дереве решений
3.3 использовать общий API
3.4 использовать более обнадеживающий набор данных
3.5 сравнение нескольких классификаторов
3.6 понять больше о характеристика значений
3.7 использование мультиклассовой классификации
3.8 понять, прогнозирования вероятностей и решение границах

DOWNLOAD






turbobit

---