ディレクトリ
検索対象：
ビデオ
コース：Обучение на размеченных данных戻るには、こちら をクリックしてください。
- Как прекрасны машинное обучение и анализ данных
- Как устроена специализация, и зачем ее проходить
- Формат специализации и получение сертификата
- Немного о Yandex
- Анкета слушателя
- МФТИ
- МФТИ
- Forum&Chat
- Знакомство с машинным обучением
- Обучение на размеченных данных
- Обучение без учителя
- Признаки в машинном обучении
- Слайды к лекциям
- Конспект
- Линейные модели в задачах регрессии
- Обучение линейной регрессии
- Градиентный спуск для линейной регрессии
- Стохастический градиентный спуск
- Линейная классификация
- Функции потерь в задачах классификации
- Слайды к лекциям
- Конспект
- Проблема переобучения
- Регуляризация
- Оценивание качества алгоритмов
- Сравнение алгоритмов и выбор гиперпараметров
- Слайды к лекциям
- Конспект
- Метрики качества в задачах регрессии
- Метрики качества классификации
- Точность и полнота
- Объединение точности и полноты
- Качество оценок принадлежности классу
- Слайды к лекциям
- Конспект
- Встроенные датасеты. Sklearn.datasets
- Встроенные датасеты. Sklearn.datasets (ipython notebook)
- Кросс-валидация. Sklearn.cross_validation
- Кросс-валидация. Sklearn.cross_validation (ipython notebook)
- Линейные модели. Sklearn.linear_model. Классификация
- Линейные модели. Sklearn.linear_model. Классификация (ipython notebook)
- Линейные модели. Sklearn.linear_model. Регрессия
- Линейные модели. Sklearn.linear_model. Регрессия (ipython notebook)
- Метрики качества. Sklearn.metrics
- Метрики качества. Sklearn.metrics (ipython notebook)
- Задача регрессии
- Метод максимального правдоподобия
- Регрессия как максимизация правдоподобия
- Регрессия как оценка среднего
- Регуляризация
- Задача оценивания вероятностей и логистическая регрессия
- Слайды к лекциям
- Конспект
- Масштабирование признаков
- Спрямляющие пространства
- Работа с категориальными признаками
- Несбалансированные данные
- Многоклассовая классификация
- Слайды к лекциям
- Конспект
- Подбор параметров по сетке. Sklearn.grid_search
- Подбор параметров по сетке. Sklearn.grid_search (ipython notebook)
- Задача: bike sharing demand
- Задача Bike Sharing Demand (ipython notebook)
- Задача: bike sharing demand. Продолжение
- Задача Bike Sharing Demand. Продолжение (ipython notebook)
- Решающие деревья
- Обучение решающих деревьев
- Критерии информативности
- Критерии останова и стрижка деревьев
- Решающие деревья и категориальные признаки
- Решающие деревья в sklearn
- Решающие деревья в sklearn (ipython notebook)
- Слайды к лекциям
- Конспект
- Композиции деревьев
- Смещение и разброс
- Случайные леса
- Трюки со случайными лесами
- Случайные леса в sklearn
- Случайные леса в sklearn (ipython notebook)
- Слайды к лекциям
- Конспект
- Композиции простых алгоритмов
- Градиентный бустинг
- Борьба с переобучением в градиентном бустинге
- Градиентный бустинг для регрессии и классификации
- Градиентный бустинг над решающими деревьями
- XGBoost
- Градиентный бустинг в XGBoost
- Градиентный бустинг в XGBoost (ipython notebook)
- Слайды к лекциям
- Конспект
- Однослойная нейронная сеть
- Многослойная нейронная сеть. Функция ошибки
- Оптимизация параметров нейронной сети
- Регуляризация и прореживание нейронной сети
- Слайды к лекциям
- Конспект
- Байесовская классификация: содержание урока
- Спам-фильтры и наивный байесовский классификатор
- Байесовский классификатор
- Восстановление распределений (часть 1)
- Восстановление распределений (часть 2)
- Минимизация риска
- Минимизация риска и анализ функций потерь
- Слайды к лекциям
- Конспект
- Метрические алгоритмы и SVM: содержание урока
- Метод k ближайших соседей
- Настройка параметров в kNN
- Метрики в kNN
- Проклятие размерности
- Рекомендации фильмов с помощью kNN
- Метод опорных векторов (SVM)
- Ядра в методе опорных векторов (Kernel trick)
- Слайды к лекциям
- Конспект
- Теорема Байеса
- Байесовский подход к теории вероятностей
- Байесовские модели в задачах машинного обучения
- Слайды к лекциям
- Конспект
- Бонусное видео
- Материалы к бонусному видео
- Ваши впечатления о курсе
- Список литературы
- Финальные титры
- Стань ментором специализации