Открыто

Ансамблевое машинное обучение на Python: метод случайного леса, AdaBoost - (Курс 16 из 17)

Тема в разделе "Программирование", создана пользователем Красный Кут, 12 мар 2019.

Цена: 27900р.
Взнос: 1998р.

Основной список: 16 участников

  1. Красный Кут

    Красный Кут ЧКЧлен клуба (А)

    Ансамблевое машинное обучение на Python: метод случайного леса, AdaBoost

    Screenshot_62.png
    Автор: Lazy Programmer Inc.
    Формат: транскрибация видео
    Продолжительность: ~ 6 ч
    Перевод: Красный Кут

    Тип перевода: Транскрибация с русским переводом

    Решил сделать перевод всех курсов Lazy Programmer Inc. о искусственном интеллекте, машинном обучении,- взяв за основу материалы из этой складчины.

    Другие курсы автора смотрите у меня в подписи

    ЧЕМУ ВЫ НАУЧИТЕСЬ?

    – понимать и выводить разложение на смещение и дисперсию;
    – понимать метод размножения выборок и его приложение к бэггингу;
    – понимать, почему бэггинг улучшает работу классификации и регрессии;
    – понимать и реализовывать метод случайного леса;
    - понимать и реализовывать метод AdaBoost


    ТРЕБОВАНИЯ

    – дифференциальное счисление;
    – знание библиотек Numpy, Matplotlib, Sci-Kit Learn;
    – знание метода k-ближайших соседей, деревьев решений;
    – теория вероятностей и математическая статистика (базовый уровень);
    – знание линейной и логистической регрессии.
    – дифференциальное счисление;
    – теория вероятностей;
    – объектно-ориентированное программирование;
    – кодирование на языке Python: условный оператор, операторы цикла, списки, словари, наборы;
    – кодирование в Numpy: матричные и векторные операции;
    – линейная и логистическая регрессия, деревья решений, метод k-ближайших соседей.


    ОПИСАНИЕ

    В последние годы мы наблюдаем возрождение ИИ, или искусственного интеллекта, и машинного обучения.

    Машинное обучение привело к ряду удивительных результатов, таких как возможность анализа медицинских изображений или диагностика заболеваний наравне с экспертами-людьми.

    Программа Google AlphaGo смогла победить чемпиона мира в этой интеллектуальной игре благодаря использованию глубокого обучения с подкреплением.

    Машинное обучение применяется даже в программировании машин с автопилотом, что навсегда изменит автомобильную индустрию. Представьте себе мир с резко сократившимся количеством автокатастроф благодаря простому удалению «человеческого фактора».

    В Google громко заявили, что для них «машинное обучение – прежде всего», и такие компании, как NVIDIA и Amazon, последовали этому примеру, что будет стимулировать инновации в ближайшие годы.

    Машинное обучение используется во многих отраслях, таких как финансы, интернет-реклама, медицина и робототехника. Это широко используемый инструмент, который принесёт вам пользу независимо от того, в какой отрасли вы работаете, а также откроет массу возможностей для карьерного роста и успеха.

    Машинное обучение также поднимает ряд философских вопросов. Мы создаём машины, способные думать? Что значит «иметь сознание»? Не захватят ли компьютеры когда-нибудь мир?


    Этот курс полностью посвящён ансамблевым методам.

    Мы уже изучили некоторые классические модели машинного обучения, такие как метод k-ближайших соседей и деревья решений. Мы узнали об их ограничениях и недостатках. Но что, если бы мы могли объединить эти модели, чтобы устранить эти ограничения и создать гораздо более мощный классификатор или регрессивную модель?

    В этом курсе вы изучите способы объединения таких моделей, как деревья решений и логистическая регрессия, для создания моделей, способных достичь гораздо большей точности, нежели первоначальные модели, из которых они состоят.

    В частности, мы детально рассмотрим метод случайного леса и алгоритм AdaBoost. Чтобы стимулировать наше обсуждение, мы узнаем о важной теме статистического обучения – компромиссе смещения и дисперсии. Затем мы изучим метод размножения выборок и бэггинг в качестве методов одновременного уменьшения как смещения, так и дисперсии. Мы проведём множество опытов и используем эти алгоритмы на реальных наборах данных, чтобы вы могли наглядно убедиться в их мощности.

    Поскольку глубокое обучение в наши дни очень популярно, мы также изучим некоторые любопытные общие черты между случайными лесами, AdaBoost и нейронными сетями глубокого обучения.

    Все материалы для этого курса являются БЕСПЛАТНЫМИ. Вы можете загрузить и установить Python, Numpy и Scipy при помощи простых команд на Windows, Linux или Mac.

    Этот курс сконцентрирован на том, «как создавать и понимать», а не просто «как использовать». Любой может овладеть пользовательским интерфейсом за 15 минут после прочтения соответствующей документации. Речь идёт не о «запоминании фактов», а о «саморазвитии» посредством набора опыта. Курс научит вас, как наглядно видеть, что происходит внутри модели. Если хотите большего, чем просто поверхностного взгляда на модели машинного обучения, - этот курс для вас.


    Источник

     
    3 пользователям это понравилось.
  2. Последние события

    1. Fulerenyum

      Fulerenyum участвует в складчине.

      22 мар 2019 в 22:26
    2. Мстящий Заяц

      Мстящий Заяц участвует в складчине.

      21 мар 2019 в 22:27
    3. MalishP

      MalishP не участвует в складчине.

      21 мар 2019 в 11:28
    4. serg-666

      serg-666 участвует в складчине.

      20 мар 2019 в 11:31
  3. Лапушка Зайка

    Лапушка Зайка ЧКЧлен клуба

Поделиться этой страницей