Чему вы научитесь
- Пройдя данный курс вы приобретете следующие навыки и знания:
- 1) Систематизируете свои знания в области машинного обучения
- 2) Научитесь обрабатывать данные перед обучением
- 3) С математической точки зрения поймете как работают основные алгоритмы классификации и кластеризации
- 4) Научитесь понимать в каких случаях следует применять различные метрики качества моделей и сможете самостоятельно рассчитывать их
О курсе
У данного курса одна глобальная цель - помочь людям понять основы машинного обучения, что в дальнейшем может дать возможность, при желании, развиваться в этом направлении уже самостоятельно. Мы - магистры ИУ1 осознавали эти вещи в процессе обучения и поняли их достаточно поздно. Многие алгоритмы здесь мы реализовали на семинарах, при этом не совсем понимая как они работают и для чего это нужно. Иными словами у нас отсутствовала систематика в знаниях. Данный курс же как раз устраняет эти недостатки. Крайне полезными по содержанию являются разделы "Введение", "Линейная регрессия" и "Логистическая регрессия". Эти разделы являются своеобразным фундаментом машинного обучения, а также ключом к дальнейшему изучению нейронных сетей.
Только теория в сочетании с практикой даст нужный результат: поэтому смело используйте подручный материал!
https://www.kaggle.com/denisandrikov/writeups это только начало, здесь будет материал, который важен для biomed специальностей
https://github.com/AI-is-out-there/BioMed-basic-code-skills - это пополняемый репозиторий, который поможет освоить тайны программирования, но без заумностей.
Для кого этот курс
Начальные требования
Ты должен иметь достаточно крепкие знания по мат.анализу, линейной алгебре, теории вероятностей и мат. статистике, а также базовые умения программировать на Python. Надо уметь решать обыкновенные линейные дифференциальные уравнения (для этого вспомнить, что там ничего сложного и нужно просто знать что такое характеристическое уравнение). Надо уметь перемножать матрицы, да, и про собственные значения матрицы тоже надо будет вспомнить. Ну, и что такое логарифм тоже знать. Также понадобится вспомнить про теорию вероятности: математическое ожидание, дисперсия, плотность распределения вероятности.
Наши преподаватели
Как проходит обучение
Обучение проходит в свободном формате. Читаешь теорию, а в конце всех разделов есть либо тест, либо решение небольших задачек на понимание.
Программа курса
Что вы получаете
- В итоге вы сможете сами написать небольшую программу с базовыми основами машинного обучения. Это позволит разобраться как работают более сложные алгоритмы)
- Вы точно вспомните что-то из теории машинного обучения)