[Повтор]Машинное обучение с Python + Big Data - (Курс 1 из 17)

[Повтор]Машинное обучение с Python + Big Data - (Курс 1 из 17)

Гость, ты можешь записаться в эту складчину и получить инфопродукт сразу после оплаты, никого не дожидаясь.
---

[Udemy.com] Deep Learning Prerequisites: Linear Regression in Python

​

Что такое машинное обучение?
Какую роль играет линейная регрессия в машинном обучении?
Автор: Lazy Programmer Inc.
Формат: Видео
Продолжительность: ~ 03:21
Перевод: Красный Кут
Тип перевода: Транскрибация с русским переводом
Всего: 33 видео лекции длительность: 3 часа 21 минута

Учебный план курса: "Предварительные предпосылки к глубокому изучению - линейная регрессия в языке Питон".

ДЕМО ПЕРЕВОД КУРСА

Спойлер: Содержание курса

• Введение и План
• Что такое Машинное обучение. Роль Линейной Регрессии.
• Введение в проблему закона Мура

2. Одномерная Линейная регрессия - Теория и Код:

• Определение одномерной модели, получение решения (Обновленная версия)
• Определение одномерной модели, получение решения
• Кодирование одномерного решения в языке Питон
• Определение, насколько хороша модель – R-квадрат
• R-квадрат в коде
• Демонстрация закона Мура в коде

3. Многократная линейная регрессия и полиномиальная регрессия:

• Определение многомерной проблемы и получение решения (Обновленная версия)
• Определение многомерной задачи и получение решения
• Как решить многократную линейную регрессию с использованием, только матриц
• Кодирование многомерного решения в языке Питон
• Полиномиальная регрессия - расширение линейной регрессии (с кодом Питона)
• Прогнозирование систолического артериального давления по возрасту и весу.

4. Практические вопросы машинного обучения

• Ошибка обобщения, обучающие и тестовые наборы
• Обобщение и переоценка демонстрации в коде
• Недвусмысленные входы
• Вероятностная интерпретация квадратичной ошибки
• Регуляризация L2 - теория
• Регуляризация L2 - код
• Ловушка по фиктивной переменной
• Руководство по градиентному спуску
• Градиентный спуск для линейной регрессии
• Обход ловушки по фиктивной переменной, с градиентным спуском
• Регуляризация L1 - теория
• Регуляризация L1 - код
• Регуляризация L1 и L2

5. Заключение и Следующие шаги:

• Краткий обзор значимых вопросов по линейной регрессии и машинному обучению
• Упражнения, практика и способы достижения данной цели

6. Приложения

• БОНУС: Где взять купоны Udemy и СВОБОДНЫЙ глубокий учебный материал?
• Как установить Numpy, Scipy, Matplotlib, Pandas, IPython, Theano и TensorFlow?

ДЕМО ПЕРЕВОД КУРСА

Вы также можете изучить на русском языке следующие курсы этого автора:

Спойлер: Другие курсы

Deep Learning Prerequisites: Linear Regression in Python КУРС 1
Deep Learning Prerequisites: Logistic Regression in Python КУРС 2
Data Science: Deep Learning in Python КУРС 3
Easy Natural Language Processing (NLP) in Python КУРС 4
Data Science: Practical Deep Learning in Theano + TensorFlow КУРС 5
Data Analytics: SQL for newbs, beginners and marketers КУРС 6
Deep Learning: Convolutional Neural Networks in Python КУРС 7
Cluster Analysis and Unsupervised Machine Learning in Python КУРС 8
Глубокое обучение без учителя на языке Python КУРС 9
Машинное обучение без учителя: скрытые марковские модели на языке Python КУРС 10
Глубокое обучение: рекуррентные нейронные сети на языке Python КУРС 11
Обработка естественного языка с помощью глубокого обучения на языке Python КУРС 12

Источник

Код:

https://www.udemy.com/data-science-linear-regression-in-python/

 

ДЕмо ссылка умерла 404.
В какой части Big Data ?

 

Не нашёл в описании, если кто интересуется ...
Минимальные навыки для прохождения курса

• Понимание как найти производную функции
• Базовый навык программирования на Python
• В доп секциях курса будет необходимо нахождение вероятности.
• В доп секциях курса будет необходимо быть знакомым с распределе́ние Гаусса