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.
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.
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.
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.
Если этот курс вам не подходит, но вы хотите развиваться в Machine Learning — обратите внимание на наши материалы:
Как стать «своим» среди беларусов? История разработчика из Африки в Польше
Обычно консультанты по межкультурным коммуникациям учат беларуских айтишников правилам игры в международном IT — объясняют, как общаться с американскими заказчиками, не пугаться индийского английского и правильно отвечать на бесконечные «How are you?» Но что происходит, когда роли меняются?
Не спешите в ML: почему сегодня может быть выгоднее освоить прикладной AI
Знакомый записался на ML-курс за две тысячи евро, а в LinkedIn постоянно рассказывают, что без AI через пару лет никто не будет нужен. Вы тоже смотрите программу обучения, где первым пунктом идет линейная алгебра, затем статистика, потом оптимизация. И если в этот момент возникает желание закрыть вкладку — вы не одиноки.
Объяснение на страницу: почему не читают документацию и что исправить в первую очередь
Вы только что обновили README, добавили схемы в Confluence и закрыли самые частые вопросы. Но через пару дней кто-то из коллег всё равно пишет: «А как правильно?» Обычно после такого предлагают лучше документировать — и начинают добавлять страницы. Есть другое решение.
Ловушка сеньорити: что может быть важнее сильного кода для промо-комитета
Представьте ситуацию. Третий год подряд говорят на performance review, что вы переросли текущий грейд. Но как только дело доходит до промо-комитета, заявка возвращается с размытой формулировкой: «Неясен импакт за пределами вашей команды».
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.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.