Проверяем сведения о курсе и предложения площадок…
Data Science. Уровень 2: Машинное обучение [МГТУ]
Публикация на площадке: 10 июля 2022 г.14 уроков
![Обложка курса: Data Science. Уровень 2: Машинное обучение [МГТУ]. Площадка: Складчик](/_next/image?url=%2Fmedia%2Fcourses%2Fdata-science-uroven-2-mashinnoe-obuchenie-mgtu-skladchik-111aa5c0.webp&w=1200&q=75)
Описание курса
Текст площадки «Складчик». Упомянутые цены и обещанные результаты могут быть неактуальны; условия покупки проверяйте у продавца.
Машинное обучение (machine learning) — один из основным методов для дата-сайентиста, специалиста по работе с большими данными.
Основная идея машинного обучения — на основе методов математической статистики и оптимизации создать самообучающийся алгоритм, который будет находить связи и закономерности в больших массивах неструктурированных данных.
Один курс · разные способы доступа
Где удобнее учиться?
Сравните цену и то, как будете заниматься.
Все площадки в таблице · листайте вправо →
| Выбирайте не только по цене | Учитесь с комфортомВ КурсеСайт площадки ↗Уроки, текст и помощь — в одном месте | Другой вариант доступаСкладчикМатериалы для самостоятельных занятий |
|---|---|---|
| ЦенаСумма и выгодность предложения | От 300 ₽ | Цена не получена |
| Удобство интерфейсаОценка формата занятий | Навигация и занятия на сайте |
История цен на площадках
Как проходит обучение
Эти данные взяты из программы и описания площадки. Пустое поле означает, что на странице курса ответа не было.
- Темы программы
- Программа обучения:Проверено 25.09.2026 · Источник ↗
Что пишут о курсе разные площадки
Продавцы могут по-разному указать название, автора и программу. Поэтому ниже каждый исходный текст показан отдельно.
СкладчикData Science. Уровень 2: Машинное обучение [МГТУ]
Машинное обучение (machine learning) — один из основным методов для дата-сайентиста, специалиста по работе с большими данными.
Основная идея машинного обучения — на основе методов математической статистики и оптимизации создать самообучающийся алгоритм, который будет находить связи и закономерности в больших массивах неструктурированных данных.
ВВЕДЕНИЕ В МАШИННОЕ ОБУЧЕНИЕ
МЕТОД БЛИЖАЙШИХ СОСЕДЕЙ (KNN)
МЕТРИКИ И ИХ ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ
ПОДГОТОВКА И НОРМАЛИЗАЦИЯ ДАННЫХ. УМЕНЬШЕНИЕ РАЗМЕРНОСТИ ДАННЫХ – МЕТОД ГЛАВНЫХ КОМПОНЕНТ
ВЫБОР АТРИБУТОВ ПРИ РЕШЕНИИ ЗАДАЧИ. МЕТОД ОПОРНЫХ ВЕКТОРОВ SVM
РЕГРЕССИЯ (ПРОГНОЗИРОВАНИЕ КОНКРЕТНОГО ЗНАЧЕНИЯ)
DECISION TREES, RANDOM FOREST
РАЗБАЛАНСИРОВАННЫЕ ДАТАСЕТЫ И МЕТОДЫ ИХ БАЛАНСИРОВКИ
BAGGING, BOOSTING, STACKING – АЛГОРИТМЫ ПОВЫШЕНИЯ ТОЧНОСТИ
КЛАСТЕРИЗАЦИЯ, МЕТОД K-MEAN. ПОЛНАЯ И УСЛОВНАЯ ВЕРОЯТНОСТЬ, ТЕОРЕМА БАЙЕСА
РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ. ПЕРСОНАЛИЗИРОВАННЫЕ И НЕПЕРСОНАЛИЗИРОВАННЫЕ, ПРОБЛЕМА ХОЛОДНОГО СТАРТА
ВНЕДРЕНИЕ МОДЕЛЕЙ В PRODUCTION
ПОСТРОЕНИЕ МОДЕЛИ И ВНЕДРЕНИЕ В PRODUCTION
ИТОГОВАЯ АТТЕСТАЦИЯ
Получено 26.09.2026СкладчикData Science. Уровень 2: Машинное обучение [МГТУ]
Машинное обучение (machine learning) — один из основным методов для дата-сайентиста, специалиста по работе с большими данными.
Основная идея машинного обучения — на основе методов математической статистики и оптимизации создать самообучающийся алгоритм, который будет находить связи и закономерности в больших массивах неструктурированных данных.
Программа этой площадки
Получено 25.09.2026- Программа обучения:
Содержание обучения
Что в программе
01Программа обучения:14 уроков
- ВВЕДЕНИЕ В МАШИННОЕ ОБУЧЕНИЕВремя не указано
- МЕТОД БЛИЖАЙШИХ СОСЕДЕЙ (KNN)Время не указано
- МЕТРИКИ И ИХ ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕВремя не указано
- ПОДГОТОВКА И НОРМАЛИЗАЦИЯ ДАННЫХ. УМЕНЬШЕНИЕ РАЗМЕРНОСТИ ДАННЫХ – МЕТОД ГЛАВНЫХ КОМПОНЕНТВремя не указано
- ВЫБОР АТРИБУТОВ ПРИ РЕШЕНИИ ЗАДАЧИ. МЕТОД ОПОРНЫХ ВЕКТОРОВ SVMВремя не указано
- РЕГРЕССИЯ (ПРОГНОЗИРОВАНИЕ КОНКРЕТНОГО ЗНАЧЕНИЯ)Время не указано
- DECISION TREES, RANDOM FORESTВремя не указано
- РАЗБАЛАНСИРОВАННЫЕ ДАТАСЕТЫ И МЕТОДЫ ИХ БАЛАНСИРОВКИВремя не указано
- BAGGING, BOOSTING, STACKING – АЛГОРИТМЫ ПОВЫШЕНИЯ ТОЧНОСТИВремя не указано
- КЛАСТЕРИЗАЦИЯ, МЕТОД K-MEAN. ПОЛНАЯ И УСЛОВНАЯ ВЕРОЯТНОСТЬ, ТЕОРЕМА БАЙЕСАВремя не указано
- РЕКОМЕНДАТЕЛЬНЫЕ СИСТЕМЫ. ПЕРСОНАЛИЗИРОВАННЫЕ И НЕПЕРСОНАЛИЗИРОВАННЫЕ, ПРОБЛЕМА ХОЛОДНОГО СТАРТАВремя не указано
- ВНЕДРЕНИЕ МОДЕЛЕЙ В PRODUCTIONВремя не указано
- ПОСТРОЕНИЕ МОДЕЛИ И ВНЕДРЕНИЕ В PRODUCTIONВремя не указано
- ИТОГОВАЯ АТТЕСТАЦИЯВремя не указано
Похожие курсы и совпадения…
Материалы по теме…
![Обложка курса: Математика для Data Science [SkillFactory] [Аяна Шелике]. Площадка: Складчик](/_next/image?url=%2Fmedia%2Fcourses%2Fmatematika-dlya-data-science-skillfactory-ayana-shelike-skladchik-db6cd499.webp&w=640&q=75)
