«Машинное обучение и искусственный интеллект: вспомогательные векторные машины в Python» [Udemy, Lazy Programmer Inc.] | Нейросети - Обучение

Искусственный интеллект и наука о данных Алгоритмы классификации и регрессии на Python Чему вы научитесь: Применяйте SVM в практических приложениях: распознавание изображений, обнаружение спама, медицинская диагностика и регрессионный анализ Построение собственной RBF-сети и других нейронных сетей на основе SVM Полиномиальное ядро, гауссово ядро и сигмоидное ядро Регрессия вектора поддержки Поймите, как квадратичное программирование применяется к SVM Использование двойственности Лагранжа для получения ядра SVM Поймите теорию, лежащую в основе SVM, с нуля (основы геометрии) Материалы курса 13 разделов • 74 лекций • Общая продолжительность 8 ч 58 мин Добро пожаловать! Уголок для начинающих Обзор линейных классификаторов Линейная поддержка векторной машины Дуальность Методы ядра Реализации и расширения Нейронные сети (для начинающих 2) Приложение / Введение в раздел часто задаваемых вопросов Настройка среды (ответы на часто задаваемые вопросы по запросу студентов) Дополнительная помощь в программировании на Python для начинающих (ответы на часто задаваемые вопросы по запросу студентов) Эффективные стратегии обучения машинному обучению (ответы на часто задаваемые вопросы по запросу студентов) Приложение / Финал с ответами на часто задаваемые вопросы Требования Калькуляция, матричная арифметика / геометрия, основы теории вероятностей Кодирование на Python и Numpy Логистическая регрессия Машины опорных векторов (SVM) - одна из самых мощных моделей машинного обучения, и с тех пор, как я начал готовить курсы, студенты часто обращаются к этой теме. В наши дни, кажется, все говорят о глубоком обучении, но на самом деле было время, когда машины с опорными векторами считались более совершенными, чем нейронные сети. В этом курсе вы узнаете, что машина опорных векторов на самом деле является нейронной сетью, и они выглядят одинаково, если нарисовать диаграмму. Самое сложное препятствие, которое необходимо преодолеть при изучении машин опорных векторов, заключается в том, что они очень теоретичны. Эта теория легко отпугивает многих людей, и может показаться, что изучение машин опорных векторов - это нечто непосильное. Это не так! В этом курсе мы используем очень методичный, пошаговый подход к построению всей теории, необходимой для понимания того, как на самом деле работает SVM. В качестве отправной точки мы будем использовать логистическую регрессию, которая является одной из самых первых вещей, о которых вы узнаете, изучая машинное обучение. Поэтому, если вы хотите понять этот курс, просто имейте хорошую интуицию о логистической регрессии и, как следствие, хорошее понимание геометрии линий, плоскостей и гиперплоскостей. В этом курсе рассматривается важнейшая теория, лежащая в основе SVM: Вывод линейной SVM Потери на петлях (и их связь с потерями на кросс-энтропии Квадратичное программирование (и обзор линейного программирования) Провисающие переменные Двойственность Лагранжа Ядро SVM (нелинейная SVM) Полиномиальные ядра, гауссовы ядра, сигмоидные ядра и строчные ядра Узнайте, как добиться бесконечной размерности признаков. Проективный градиентный спуск SMO (последовательная минимальная оптимизация) RBF-сети (нейронные сети с радиальной базисной функцией) Регрессия опорных векторов (SVR) Многоклассовая классификация Для тех, кто думает: «Теория - это не для меня», в этом курсе найдется много материала и для вас! В этом курсе будет не один, а целых два раздела, посвященных только практическим аспектам эффективного использования SVM.Мы рассмотрим сквозные примеры реальных практических приложений машинного обучения, таких как: Распознавание изображений Регрессионный анализ Обнаружение спама Медицинская диагностика Для более продвинутых студентов есть также множество упражнений по кодированию, где вы сможете попробовать различные подходы к реализации SVM.Это реализации, которые вы не найдете ни в одном другом курсе. Преподаватели: - Lazy Programmer Team Ленивый программист - опытный онлайн-педагог с непоколебимой страстью к распространению знаний. Имея более чем 10-летний опыт работы, он произвел революцию в области науки о данных и машинного обучения, покорив аудиторию по всему миру своими комплексными курсами и учебными пособиями. - Lazy Programmer Inc. Ленивый программист - опытный онлайн-педагог с непоколебимой страстью к распространению знаний. Имея более чем 10-летний опыт работы, он произвел революцию в области науки о данных и машинного обучения, покорив аудиторию по всему миру своими комплексными курсами и учебными пособиями. Бонус от Организатора: Русские субтитры + Русские аудио дорожки машинный перевод + для удобства воспроизведения добавлена отдельная папка с сшитыми видео файлами (Русская аудио дорожка + видео файл) [Premium Ai]. *Аудио перевод произведён с синхронизацией таймингов.