Предпосылки к глубокому обучению: инструментарий Numpy на языке Python- (Курс 14 из 17)

Предпосылки к глубокому обучению: инструментарий Numpy на языке Python ​ Формат: транскрибация видео Продолжительность: ~ 3.5 ч Перевод: Красный Кут Тип перевода: Транскрибация с русским переводом ДЕМО ПЕРЕВОД Дата вsдачи курса 30.08. 19 Решил сделать перевод всех курсов Lazy Programmer Inc. о искусственном интеллекте, машинном обучении,- взяв за основу материалы из этой складчины. Другие курсы автора смотрите у меня в подписи ЧЕМУ ВЫ НАУЧИТЕСЬ? – понимать машинное обучение с учителем (классификацию и регрессию) с использованием библиотеки Scikit-Learn на примерах из реального мира; – понимать и писать код, используя инструментарий библиотеки Numpy; – приучитесь использовать библиотеки Numpy, Scipy, Matplotlib и Pandas для написания численных алгоритмов; – понимать плюсы и минусы разнообразных моделей машинного обучения, включая глубокое обучение, деревья решений, метод «случайного леса», линейную регрессию, форсирование и другие. ТРЕБОВАНИЯ – понимать линейную алгебру и гауссово распределение; – владеть написанием кода на языке Python; – вы должны уже знать «зачем нужны» скалярное произведение, обратные матрицы и гауссово распределение вероятностей и как их использовать. – линейная алгебра; – теория вероятностей; – кодирование на языке Python: условный оператор, операторы цикла, списки, словари, наборы; – вы должны уже знать «зачем нужны» скалярное произведение, обратные матрицы и гауссово распределение вероятностей и как их использовать. В КАКОМ ПОРЯДКЕ ИЗУЧАТЬ КУРСЫ? Ознакомьтесь с лекцией «В каком порядке изучать курсы?» (находится в приложениях во всех моих курсах, включая и бесплатный курс по Numpy). ЦЕЛЕВАЯ АУДИТОРИЯ – студенты и специалисты с малым опытом работы с Numpy, планирующие позже изучить глубокое и машинное обучение; – студенты и специалисты, попробовавшие свои силы в машинном обучении и обработке данных, но натолкнувшиеся на затруднения с изложением концепций в коде. Источник