Learn Machine Learning & AI

Prabartan Information Technology

Հավելվածի մասին

«Սովորեք մեքենայական ուսուցում և արհեստական ​​բանականություն» դասընթացը կառուցվածքային դասընթաց է, որը ձեզ կտանի «ինչ է մեքենայական ուսուցումը» դասից մինչև ժամանակակից արհեստական ​​բանականության հիմքում ընկած ալգորիթմների ըմբռնումը, կարճ դասերով, որոնք կարող եք կարդալ ձեր հեռախոսով։

Արհեստական ​​բանականության ոլորտում նախնական փորձ անհրաժեշտ չէ։ Եթե կարող եք հետևել տարրական հանրահաշվին և մի փոքր Python-ին, կարող եք հետևել այս դասընթացին։

ԻՆՉ ԿՍՈՎՈՐԵՔ

Մեքենայական ուսուցման հիմունքներ
Ի՞նչ է մեքենայական ուսուցումը, ինչով է այն տարբերվում ավանդական ծրագրավորումից, մեքենայական ուսուցման աշխատանքային հոսքը, մարզման և թեստավորման տվյալները, գերհարմարեցումը, թերհարմարեցումը, շեղումը և դիսպերսիան, և թե ինչպես են գնահատվում մոդելները։

Վերահսկվող ուսուցում
Գծային ռեգրեսիա, լոգիստիկ ռեգրեսիա, որոշման ծառեր, պատահական անտառներ, օժանդակ վեկտորային մեքենաներ, k ամենամոտ հարևաններ և միամիտ Բեյերներ, որոնցից յուրաքանչյուրն ունի իր ինտուիցիան և որտեղ է այն իրականում օգտագործվում։

Անվերահսկելի ուսուցում
K նշանակում է կլաստերացում, հիերարխիկ կլաստերացում, չափողականության նվազեցում, գլխավոր բաղադրիչների վերլուծություն և անոմալիաների հայտնաբերում։

Խորը ուսուցում և նեյրոնային ցանցեր
Պերցեպտրոններ, ակտիվացման ֆունկցիաներ, հետադարձ տարածում, պատկերների համար կոնվոլյուցիոն նեյրոնային ցանցեր, հաջորդականությունների համար կրկնվող ցանցեր և LSTM-ներ, և ներածություն տրանսֆորմատորների վերաբերյալ։

Ուժեղացված ուսուցում
Գործակալներ, միջավայրեր, պարգևատրումներ, Q ուսուցում և քաղաքականության վրա հիմնված մեթոդներ՝ բացատրված առանց ծանր մաթեմատիկայի։

Բնական լեզվի մշակում
Տոկենիզացիա, ներդրված նյութեր, զգացմունքային վերլուծություն և թե ինչպես են մեծ լեզվական մոդելները կառուցվում այս գաղափարների վրա։

Գործիքներ և գրադարաններ
Որտեղ են Python-ը, TensorFlow-ը, Keras-ը, scikit learn-ը, NumPy-ն և Pandas-ը տեղավորվում իրական մեքենայական ուսուցման աշխատանքային հոսքում։

Կիրառական մեքենայական ուսուցում
Ինչպես են այս մեթոդները կիրառվում առողջապահության, ֆինանսների, առաջարկությունների համակարգերի, խարդախության հայտնաբերման, համակարգչային տեսողության և կանխատեսման ոլորտներում։

Կառուցված է հեռախոսով սովորելու համար

Կարճ դասեր։ Յուրաքանչյուր թեմա բաժանված է բաժինների, որոնք կարող եք ավարտել մի քանի րոպեում, որպեսզի կարողանաք առաջընթաց գրանցել ձեր օրվա բացթողումների մեջ՝ ազատ երեկոյի սպասելու փոխարեն։

Նախ պարզ լեզու, հետո մաթեմատիկա։ Յուրաքանչյուր ալգորիթմ բացատրվում է բառերով, նախքան որևէ նշում հայտնվելը, որպեսզի դուք հասկանաք, թե ինչ է այն անում, նախքան տեսնելը, թե ինչպես է այն գրված։

Որոնեք ամբողջ դասընթացում, որպեսզի կարողանաք փնտրել տերմինը այն պահին, երբ այն հանդիպեք հոդվածում կամ դասախոսության մեջ։

Էջանշեք և ռեզյումե, որպեսզի երկար թեման դիմանա ընդհատմանը։

Անընդհատ թարմացվում է ոլորտի զարգացմանը զուգընթաց։

ՈՒ՞Մ ՀԱՄԱՐ Է ԱՅՍ ՀԱՎԵԼՎԱԾԸ

Մեքենայական ուսուցման, արհեստական ​​բանականության կամ տվյալների գիտության դասընթաց անցնող ուսանողներ, ովքեր ցանկանում են երկրորդ բացատրություն, երբ դասախոսությունը չի ստացվել։

Ծրագրային ապահովման մշակողների համար, որոնք անցնում են մեքենայական ուսուցման ինժեներիայի կամ տվյալների գիտության ոլորտ։

Մեքենայական ուսուցման և տվյալների գիտության հարցազրույցների նախապատրաստվող թեկնածուներ, որտեղ հարցերը դեռևս հիմնականում վերաբերում են հիմունքներին։

Վերլուծաբանների և մասնագետների համար, ովքեր պետք է հասկանան, թե իրականում ինչ է անում իրենց ոլորտում արհեստական ​​բանականության համակարգը։

Յուրաքանչյուր ոք, ով հետաքրքրված է, թե ինչպես է արհեստական ​​բանականությունը գործում իրենց ամեն օր օգտագործվող արտադրանքի տակ։

ԻՆՉՈՒ՞ ՍՈՎՈՐԵԼ ՄԵՔԵՆԱՅԻՆ ՈՒՍՈՒՑՈՒՄ ՀԻՄԱ

Մեքենայական ուսուցումը դադարել է լինել մասնագիտացված հմտություն և դարձել է տեխնիկական աշխատանքի հիմքի մի մասը։ Հասկանալը, թե ինչպես են մոդելները մարզվում, ինչու են նրանք ձախողվում և ինչ կարող են և չեն կարող անել, այժմ օգտակար է գրեթե յուրաքանչյուր տեխնիկական դերում, և ավելի ու ավելի շատ՝ ոչ տեխնիկական դերերում։

Այս դասընթացը ձեզ այդ հասկացողությունը տալիս է այնպիսի ձևաչափով, որը դուք իրականում կավարտեք. կարճ դասեր, հստակ լեզու, բուֆերային տեսանյութ չկա, հաշիվ չի պահանջվում։

Բացեք ձեր առաջին դասը այսօր։

Հարցեր, ուղղումներ կամ թեմա, որը կցանկանայիք ավելացնել։ Գրեք [e-mail] հասցեին. մենք թարմացնում ենք հավելվածը՝ հիմնվելով սովորողների խնդրանքների վրա։