Искусственный Интеллект: алгоритмы оптимизации на Python
Узнайте, как создавать алгоритмы оптимизации с нуля!
Авторы: Кирилл Еременко, Академия IA Expert, Команда SuperDataScience, Джонс Гранатыр, Хаделин де Понтевес
Субтитры: Русский, Английский [Авто]
Язык: Английский
Чему вы научитесь
Изучите теорию и реализуйте алгоритмы оптимизации с нуля для решения реальных задач
Пошаговая реализация следующих алгоритмов в Python: случайный поиск, восхождение на холм, имитация отжига и генетические алгоритмы.
Решение реальных задач по оптимизации календарей полетов и оптимизации комнат в общежитии (ограниченные ресурсы)
Реализуйте алгоритмы оптимизации с использованием предопределенных библиотек
Описание
Каким будет для вас «оптимальный мир»? Люди ладят лучше? Будет ли транспорт работать быстрее? Стали бы мы лучше заботиться об окружающей среде?
Многие специалисты по данным предпочитают оптимизировать, используя готовые библиотеки машинного обучения. Но мы думаем, что такое обучение по принципу «включай и работай» препятствует вашему обучению. Вот почему этот курс дает вам возможность построить алгоритм оптимизации с нуля.
В разделе «Искусственный интеллект: алгоритмы оптимизации на Python» вы узнаете всю логику и математику, лежащую в основе алгоритмов оптимизации. Из двух практических примеров вы также узнаете, как применять их для решения реальных проблем.
В первом примере мы оптимизируем планы путешествий для шести друзей, которые хотят вылететь из одного аэропорта. Во втором примере мы оптимизируем то, как администрация университета выделяет комнаты в общежитии новым студентам.
По пути узнаем, что такое алгоритмы оптимизации. Мы узнаем, как их можно применить в повседневной деловой практике. И посмотрим, как они могут научиться сами.
Этот курс знакомит вас с четырьмя типами алгоритмов оптимизации:
- случайный поиск
- подъем в гору
- имитация отжига, и
- генетический
Не волнуйтесь, если вы еще не знаете, что это такое. Мы подробно рассмотрим каждый из них, и вы узнаете, как создать каждый из них, в наших двух тематических исследованиях ".
Материалы курса
• Общая продолжительность 6 ч 45 мин
Спойлер: Материалы курса
Предпросмотр04:37
Предпросмотр05:43
Исходный код и слайды
00:16
План атаки
01:53
Предпросмотр05:05
Создание переменных
05:17
Набор данных о рейсах
12:49
Печать расписания рейсов - реализация
13:41
Установка Anaconda и PyCharm
06:57
Печать расписания полетов - отладка
09:51
Часы в минуты - реализация
06:07
Фитнес-функция - реализация 1
11:41
Фитнес-функция - реализация 2
10:20
Предпросмотр16:04
План атаки
01:43
Реализация
15:59
Отлаживать
04:54
План атаки
01:45
Теория
07:45
Реализация
17:42
Отлаживать
08:58
Инструкция по домашнему заданию
00:38
Решение для домашнего задания
05:10
Дополнительное чтение
00:11
План атаки
01:27
Теория
06:28
Реализация
19:32
Отлаживать
13:34
Инструкция по домашнему заданию
00:38
Решение для домашнего задания
05:47
Дополнительное чтение
00:07
План атаки
02:00
Предпросмотр11:50
Реализация 1 - мутация
09:23
Реализация 2 - кроссовер
06:14
Реализация 3 - генетический алгоритм
19:58
Отлаживать
12:10
Инструкция по домашнему заданию
00:21
Решение для домашнего задания
01:56
Сравнение результатов
03:38
Дополнительное чтение
00:14
План атаки
01:42
Предпросмотр05:58
Определение домена
13:49
Печать решения
13:13
Функция фитнеса
10:24
Алгоритмы оптимизации
05:59
Сравнение результатов
02:20
План атаки
02:05
Предпросмотр03:52
Домен и печать решения
13:23
Функция фитнеса
05:34
Алгоритмы оптимизации
07:05
Сравнение результатов
02:45
План атаки
01:43
Библиотека MLROSe 1
08:26
Библиотека MLROSe 2
08:05
Инструкция по домашнему заданию
00:12
Решение для домашнего задания
07:08
Заключительные замечания
01:36
Для кого этот курс:
Новички, которые только начинают изучать искусственный интеллект
Люди, которых интересует теория алгоритмов оптимизации
Студенты бакалавриата, изучающие предметы, связанные с искусственным интеллектом
Люди, которых интересует решение реальных задач с помощью алгоритмов оптимизации
Всем, кто интересуется искусственным интеллектом
Узнайте, как создавать алгоритмы оптимизации с нуля!
Авторы: Кирилл Еременко, Академия IA Expert, Команда SuperDataScience, Джонс Гранатыр, Хаделин де Понтевес
Субтитры: Русский, Английский [Авто]
Язык: Английский
Чему вы научитесь
Изучите теорию и реализуйте алгоритмы оптимизации с нуля для решения реальных задач
Пошаговая реализация следующих алгоритмов в Python: случайный поиск, восхождение на холм, имитация отжига и генетические алгоритмы.
Решение реальных задач по оптимизации календарей полетов и оптимизации комнат в общежитии (ограниченные ресурсы)
Реализуйте алгоритмы оптимизации с использованием предопределенных библиотек
Описание
Каким будет для вас «оптимальный мир»? Люди ладят лучше? Будет ли транспорт работать быстрее? Стали бы мы лучше заботиться об окружающей среде?
Многие специалисты по данным предпочитают оптимизировать, используя готовые библиотеки машинного обучения. Но мы думаем, что такое обучение по принципу «включай и работай» препятствует вашему обучению. Вот почему этот курс дает вам возможность построить алгоритм оптимизации с нуля.
В разделе «Искусственный интеллект: алгоритмы оптимизации на Python» вы узнаете всю логику и математику, лежащую в основе алгоритмов оптимизации. Из двух практических примеров вы также узнаете, как применять их для решения реальных проблем.
В первом примере мы оптимизируем планы путешествий для шести друзей, которые хотят вылететь из одного аэропорта. Во втором примере мы оптимизируем то, как администрация университета выделяет комнаты в общежитии новым студентам.
По пути узнаем, что такое алгоритмы оптимизации. Мы узнаем, как их можно применить в повседневной деловой практике. И посмотрим, как они могут научиться сами.
Этот курс знакомит вас с четырьмя типами алгоритмов оптимизации:
- случайный поиск
- подъем в гору
- имитация отжига, и
- генетический
Не волнуйтесь, если вы еще не знаете, что это такое. Мы подробно рассмотрим каждый из них, и вы узнаете, как создать каждый из них, в наших двух тематических исследованиях ".
Материалы курса
• Общая продолжительность 6 ч 45 мин
Спойлер: Материалы курса
Предпросмотр04:37
Предпросмотр05:43
Исходный код и слайды
00:16
План атаки
01:53
Предпросмотр05:05
Создание переменных
05:17
Набор данных о рейсах
12:49
Печать расписания рейсов - реализация
13:41
Установка Anaconda и PyCharm
06:57
Печать расписания полетов - отладка
09:51
Часы в минуты - реализация
06:07
Фитнес-функция - реализация 1
11:41
Фитнес-функция - реализация 2
10:20
Предпросмотр16:04
План атаки
01:43
Реализация
15:59
Отлаживать
04:54
План атаки
01:45
Теория
07:45
Реализация
17:42
Отлаживать
08:58
Инструкция по домашнему заданию
00:38
Решение для домашнего задания
05:10
Дополнительное чтение
00:11
План атаки
01:27
Теория
06:28
Реализация
19:32
Отлаживать
13:34
Инструкция по домашнему заданию
00:38
Решение для домашнего задания
05:47
Дополнительное чтение
00:07
План атаки
02:00
Предпросмотр11:50
Реализация 1 - мутация
09:23
Реализация 2 - кроссовер
06:14
Реализация 3 - генетический алгоритм
19:58
Отлаживать
12:10
Инструкция по домашнему заданию
00:21
Решение для домашнего задания
01:56
Сравнение результатов
03:38
Дополнительное чтение
00:14
План атаки
01:42
Предпросмотр05:58
Определение домена
13:49
Печать решения
13:13
Функция фитнеса
10:24
Алгоритмы оптимизации
05:59
Сравнение результатов
02:20
План атаки
02:05
Предпросмотр03:52
Домен и печать решения
13:23
Функция фитнеса
05:34
Алгоритмы оптимизации
07:05
Сравнение результатов
02:45
План атаки
01:43
Библиотека MLROSe 1
08:26
Библиотека MLROSe 2
08:05
Инструкция по домашнему заданию
00:12
Решение для домашнего задания
07:08
Заключительные замечания
01:36
Для кого этот курс:
Новички, которые только начинают изучать искусственный интеллект
Люди, которых интересует теория алгоритмов оптимизации
Студенты бакалавриата, изучающие предметы, связанные с искусственным интеллектом
Люди, которых интересует решение реальных задач с помощью алгоритмов оптимизации
Всем, кто интересуется искусственным интеллектом
