Магистратура · 1-й курс

3 темы

1. 1

   Обучение с учителем и без учителя

   Виды машинного обучения: классификация и регрессия на размеченных данных, кластеризация на неразмеченных. Вы узнаете, как оценивать модель на обучающей и тестовой выборках и бороться с переобучением.

   Глава 1. Основы машинного обучения2 мин

2. 2

   Линейная регрессия и градиентный спуск

   Рассмотрим модель линейной регрессии, среднеквадратичную ошибку и метод наименьших квадратов. Вы научитесь находить параметры градиентным спуском и оценивать результат с помощью RMSE и R2.

   Глава 1. Основы машинного обучения3 мин

3. 3

   Перцептрон и многослойная сеть

   Искусственный нейрон, перцептрон Розенблатта и его предел — задача XOR. Вы узнаете, как скрытые слои, функции активации и обратное распространение ошибки позволяют обучать многослойную сеть.

   Глава 2. Нейронные сети3 мин