🧑‍🎓 Бакалавриат, магистратура, MBA в Польше — подробный гайд
Support us

Узнайте о регрессии и классификации в машинном обучении на курсе от DeepLearning.AI

Более 400 тысяч слушателей прошли курс «Контролируемое машинное обучение: регрессия и классификация». Он состоит из трёх модулей, которые можно изучить за 15 часов.

Рассказываем подробнее.

Оставить комментарий

Более 400 тысяч слушателей прошли курс «Контролируемое машинное обучение: регрессия и классификация». Он состоит из трёх модулей, которые можно изучить за 15 часов.

Рассказываем подробнее.

Примечание Adviser

В этом материале есть ссылки партнеров. Это значит, что если вы что-то покупаете с нашей помощью — вы также поддерживаете dev.by. (Вот другой способ).

При этом редакция и авторы независимы в выборе темы, концепции материала, фокуса описания, подхода к услугам или товарам. Прежде чем что-то советовать, мы много читаем и смотрим по теме, говорим с экспертами.

Редакция может выражать свое мнение и пробовать всё на себе.

Если рекомендательный материал обновляется, мы указываем, что и когда поменялось, в самом начале.

О чем этот курс

На этом курсе вы научитесь создавать модели машинного обучения на Python, используя популярные библиотеки машинного обучения NumPy и scikit-learn, а также будете создавать и обучать модели машинного обучения с учителем для задач прогнозирования и двоичной классификации, включая линейную регрессию и логистическую регрессию.

Курс входит в специализацию «Machine Learning» — это базовая онлайн-программа, созданная в сотрудничестве DeepLearning.AI и Stanford Online, где можно изучить основы машинного обучения и то, как использовать эти методы для создания реальных приложений искусственного интеллекта.

Программа курса

Курс состоит из трёх модулей:

  1. Введение в машинное обучение (3 часа)
  2. Регрессия с несколькими входными переменными (4 часа)
  3. Классификация (7 часов)

Кто ведет курс

Этот курс, а также всю специализацию «Machine Learning» преподает Эндрю Нг, доцент Стэнфордского университета, исследователь робототехники и машинного обучения, который руководил критическими исследованиями в Стэнфордском университете и новаторской работой в Google Brain, Baidu и Landing.AI.

Детали курса

Стоимость обучения: 7 дней бесплатно, дальше $39 в месяц. После прохождения курса не забудьте отменить подписку, иначе с вас продолжат снимать деньги, вернуть их будет нельзя.

Можно приобрести подписку Coursera Plus и за $49 в месяц иметь неограниченный доступ к курсам, проектам с консультациями, специализациям и профессиональным сертификациям.

Продолжительность: примерно 15 часов.

Язык: английский.

Рейтинг: на Coursera курс набрал 4.9, за него проголосовали больше 13 тысяч студентов.

Пройти курс

Читайте также
Полное погружение: как включить режим Deep Work, когда календарь трещит по швам
Полное погружение: как включить режим Deep Work, когда календарь трещит по швам
Полное погружение: как включить режим Deep Work, когда календарь трещит по швам
Наверняка вы ловили себя на мысли, что провели за компьютером десять часов, ответили на сотню писем, сходили на пять созвонов, но к вечеру так и не продвинули ни одну важную задачу. Это классическая ловушка многозадачности, которую принято считать полезным навыком. Но на деле она — главный враг когнитивной производительности.
Ловушка в кармане: почему интерфейс Instagram сильнее вашей воли
Ловушка в кармане: почему интерфейс Instagram сильнее вашей воли
Ловушка в кармане: почему интерфейс Instagram сильнее вашей воли
Вы берёте телефон проверить время. Через двадцать минут обнаруживаете себя в бесконечной ленте — ни время не проверили, ни зачем брали телефон уже не помните.
Искусство не быть онлайн: 5 книг по цифровой гигиене, которые работают
Искусство не быть онлайн: 5 книг по цифровой гигиене, которые работают
Искусство не быть онлайн: 5 книг по цифровой гигиене, которые работают
Вспомните свое утро. Скорее всего, первым делом вы тянетесь к смартфону, чтобы проверить уведомления или ленту. В этом нет криминала. Но если к вечеру вы чувствуете себя как выжатый лимон, пора задуматься о правилах игры.
Дофаминовая петля: термин, который объясняет половину наших привычек
Дофаминовая петля: термин, который объясняет половину наших привычек
Дофаминовая петля: термин, который объясняет половину наших привычек
Мы открываем Telegram, чтобы найти одно сообщение, а через двадцать минут обнаруживаем себя в чужом канале про криптовалюту, хотя криптовалюта никогда особо не интересовала. Что это было: слабая воля, скучный вечер? Нет, это была дофаминовая петля. Она работает одинаково в мозге любого человека, который смотрит в экран.

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

Комментариев пока нет.