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:
Искусство предсказания: 10 книг по декомпозиции и оценке сроков, которые могут спасти дедлайны вашей команды
«Сделайте нам примерную оценку к вечеру вторника», — фраза, от которой у тимлида начинает предательски дергаться глаз. Бизнесу нужна точность, но разработка связана с постоянным хаосом, скрытыми зависимостями и legacy-кодом. Поэтому эстимейты скорее похожи на гадание, а финальные релизы сдвигаются на недели, сжигают бюджеты и нервные клетки команды.
Альторны возвращаются: RoboCraft открыл летний набор на Arduino.Start для детей 9-13 лет
После нескольких миссий Альторны снова выходят на связь. На этот раз юным инженерам предстоит не просто помочь космической команде, а самим (с родителями) выбрать удобный формат обучения: групповой курс, индивидуальные занятия или самостоятельный онлайн-курс.
Гид по коммуникации для техлидов: как продать бизнесу внедрение новых технологий и рефакторинг
Рано или поздно каждый техлид упирается в стену. По мере роста проекта, старая архитектура начинает скрипеть на поворотах: монолит пора распиливать, легаси выжигать, а фреймворки обновлять. Но как только приходишь с этим к менеджменту, в ответ — недоумение.
Офис в режиме инкогнито: как собрать автономный хаб для работы на природе, если надоели коворкинги
Главный тренд современной удаленки — поиск абсолютной свободы перемещений. Возможность закрыть ноутбук в пятницу, подальше от душного мегаполиса и в понедельник продолжить писать код на веранде уединенного домика, звучит как идеальный план. На практике формат workation разбивается о реальность: батарея тает за пару часов компиляции, интернет вдали от вышек отказывается грузить тяжелые репо, а блики на экране заставляют искать тень.
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.