Перейти к основному контенту
  • Machine Learning
Концепции машинного обучения
  • Введение
  • Введение в машинное обучение
  • ML модели
  • Линейная регрессия
  • Логистическая регрессия
  • Классификация
  • Данные
  • Работа с числовыми данными
  • Работа с категориальными данными
  • Наборы данных, обобщение и переобучение
  • Расширенные модели машинного обучения
  • Нейронные сети
  • Встраивания
  • Введение в большие языковые модели
  • Реальное машинное обучение
  • Производственные системы машинного обучения
  • Автоматизированное машинное обучение
  • Справедливость
Базовые курсы Продвинутые курсы Руководства Глоссарий
  • Все условия
  • Агентский
  • Кластеризация
  • Леса решений
  • Основы рекламы
  • опорная точка
  • Генеративный ИИ
  • Показатели
  • Ответственный ИИ
  • TensorFlow
/
  • English
  • Deutsch
  • Español
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Polski
  • Português – Brasil
  • Tiếng Việt
  • Türkçe
  • Русский
  • Українська
  • עברית
  • العربيّة
  • فارسی
  • हिंदी
  • বাংলা
  • ภาษาไทย
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
Войти
  • Концепции машинного обучения
Главная Ускоренный курс
  • Machine Learning
  • Концепции машинного обучения
    • Ещё
    • Главная
    • Ускоренный курс
  • Базовые курсы
  • Продвинутые курсы
  • Руководства
  • Глоссарий
    • Ещё
  • Быстрые ссылки
  • Требования
  • Упражнения
  • Справочный центр
  • ML модели
  • Линейная регрессия (80 мин)
    • Линейная регрессия (10 мин)
    • Проигрыш (10 мин)
    • Интерактивное упражнение: Параметры (5 мин)
    • Градиентный спуск (10 мин)
    • Гиперпараметры (10 мин)
    • Интерактивное упражнение: Градиентный спуск (5 мин)
    • Упражнение по программированию (20 мин)
    • Проверьте свои знания (10 мин)
    • Что дальше
  • Логистическая регрессия (35 мин)
    • Введение (5 минут)
    • Вычисление вероятности (10 мин)
    • Потеря и регуляризация (10 мин)
    • Проверьте свои знания (10 мин)
    • Что дальше
  • Классификация (70 мин)
    • Введение (3 минуты)
    • Пороги и матрица путаницы (12 минут)
    • Точность, полнота, прецизионность и сопутствующие показатели (15 минут)
    • РПЦ и АУК (10 мин)
    • Смещение прогноза (3 минуты)
    • Многоклассовая классификация (2 мин)
    • Упражнение по программированию (15 минут)
    • Проверьте свои знания (10 мин)
    • Что дальше
  • Данные
  • Работа с числовыми данными (85 мин)
    • Введение (3 мин)
    • Как модель принимает данные с векторами признаков (5 минут)
    • Первые шаги (5 мин)
    • Упражнения по программированию (10 мин)
    • Нормализация (20 мин)
    • Биннинг (15 мин)
    • Чистка (5 мин)
    • Качества хороших числовых характеристик (5 мин)
    • Полиномиальные преобразования (5 мин)
    • Проверьте свои знания (10 мин)
    • Заключение (2 мин)
    • Что дальше
  • Работа с категориальными данными (50 мин)
    • Введение (5 минут)
    • Словарный запас и горячее кодирование (10 мин)
    • Распространенные проблемы с категориальными данными (5 минут)
    • Перекрестие функций (5 минут)
    • Специальные кросс-упражнения (15 минут)
    • Проверьте свои знания (10 мин)
    • Что дальше
  • Наборы данных, обобщение и переоснащение (105 минут)
    • Введение (5 минут)
    • Характеристики данных (10 мин)
    • Этикетки (10 минут)
    • Несбалансированные наборы данных (10 минут)
    • Разделение исходного набора данных (10 мин)
    • Преобразование данных (5 мин)
    • Обобщение (5 мин)
    • Переобучение (10 минут)
    • Сложность модели (10 мин)
    • Регуляризация L2 (10 мин)
    • Интерпретация кривых потерь (10 мин)
    • Проверьте свои знания (10 мин)
    • Что дальше
  • Расширенные модели машинного обучения
  • Нейронные сети (75 мин)
    • Введение (5 минут)
    • Узлы и скрытые слои (15 мин)
    • Функции активации (10 мин)
    • Обучение использованию обратного распространения ошибки (10 мин)
    • Интерактивные упражнения (15 мин)
    • Многоклассовая классификация (10 мин)
    • Проверьте свои знания (10 мин)
    • Что дальше
  • Встраивание (45 мин)
    • Введение (5 минут)
    • Пространство встраивания и статические встраивания (10 мин)
    • Интерактивные упражнения (15 мин)
    • Получение вложений (15 мин)
    • Проверьте свои знания (10 мин)
    • Что дальше
  • Введение в большие языковые модели (45 мин)
    • Что такое языковая модель? (10 минут)
    • Что такое большая языковая модель? (15 мин)
    • Точная настройка, дистилляция и оперативное проектирование (10 минут)
    • Проверьте свои знания (10 мин)
    • Что дальше
  • Реальное машинное обучение
  • Производственные системы МО (80 мин)
    • Введение (2 минуты)
    • Статическая и динамическая тренировка (10 минут)
    • Статический и динамический вывод (10 минут)
    • Когда преобразовывать данные? (3 мин)
    • Тестирование развертывания (5 минут)
    • Мониторинг трубопроводов (25 мин)
    • Вопросы, которые следует задать (10 мин)
    • Проверьте свои знания (15 мин)
    • Что дальше
  • Автоматизированное машинное обучение (30 мин.)
    • Введение (10 минут)
    • Преимущества и ограничения (10 мин)
    • Начало работы (10 минут)
    • Что дальше
  • Справедливость (110 мин)
    • Введение (5 минут)
    • Виды предвзятости (5 мин)
    • Выявление предвзятости (10 мин)
    • Смягчение предвзятости (5 минут)
    • Оценка предвзятости (5 мин)
    • Демографический паритет (10 мин)
    • Равенство возможностей (10 мин)
    • Контрфактическая справедливость (10 мин)
    • Упражнение по программированию (40 мин)
    • Проверьте свои знания (10 мин)
    • Что дальше
  • Введение
  • Введение в машинное обучение
  • ML модели
  • Линейная регрессия
  • Логистическая регрессия
  • Классификация
  • Данные
  • Работа с числовыми данными
  • Работа с категориальными данными
  • Наборы данных, обобщение и переобучение
  • Расширенные модели машинного обучения
  • Нейронные сети
  • Встраивания
  • Введение в большие языковые модели
  • Реальное машинное обучение
  • Производственные системы машинного обучения
  • Автоматизированное машинное обучение
  • Справедливость
  • Все условия
  • Агентский
  • Кластеризация
  • Леса решений
  • Основы рекламы
  • опорная точка
  • Генеративный ИИ
  • Показатели
  • Ответственный ИИ