Искусственный интеллект на Python (Python - продвинутый уровень) [2022]
Фоксфорд
Дарья Короткова
Кому будет полезен курс
Ученикам 7-11 классов уже изучавших программирование и интересующихся областью машинного обучения
Какие знания дает курс
Программирование на Python. Обработка данных. Знание основных алгоритмов машинного обучения. Знание библиотек для построения моделей машинного обучения. Программирование на Python
Как проходит обучение
На каждом занятии ученики вместе с преподавателем разбирают новую тему и используют полученные знания для решения прикладных задач
Модуль 1 - Основы Python
Продажник
Для просмотра содержимого вам необходимо .
Скачать:
Фоксфорд
Дарья Короткова
Кому будет полезен курс
Ученикам 7-11 классов уже изучавших программирование и интересующихся областью машинного обучения
Какие знания дает курс
Программирование на Python. Обработка данных. Знание основных алгоритмов машинного обучения. Знание библиотек для построения моделей машинного обучения. Программирование на Python
Как проходит обучение
На каждом занятии ученики вместе с преподавателем разбирают новую тему и используют полученные знания для решения прикладных задач
Модуль 1 - Основы Python
Познакомимся с основами Python и разберемся на коцептуальном уровне с понятиями Искусственный интеллект, data science, машинное обучение, глубокое обучение.
Модуль 2 - Введение в машинное обучение- Искусственный интеллект. Базовый синтаксис Python
- Data Science. Базовый синтаксис Python
- Машинное обучение. Базовый синтаксис Python
- Глубокое обучение. Базовый синтакис Python
Обсудим методы предобработки данных и познакомимся с основными библиотеками для анализа данных
Модуль 3 - Основы глубокого обучения- Методы предобработки данных
- Построение прогностической модели
"Определимся с принципами работы алгоритмов машинного обучения Попрактикуемся в написании нейронных сетей Разберем основные типы моделей машинного обучения"
Модуль 4 - Компьютерное зрение- Алгоритмы машинного обучения и простейшая нейросеть
- Усложняем нейросеть
- Методы обучения
- Призводная. Расхождение. Альфа-параметр. Градиентный спуск с несколькими входами
- "Градиентный спуск с несколькими входами и выходами Заморозка весов Набор данных MNIST"
- Роль корреляции в нейронном обучении
- Прямое распространение с функцией активации. Обратное распространение
Разберем архитектуры нейронных сетей, которые помогают решать задачи компьютерного зрения
Модуль 5 - Обработка естественного языка- Инструменты визуализации
- Переобучение. Прореживание. Регуляризация
- Новые функции активации
- Сверточный слой
- Сверточные нейронные сети
- Классификация изображений
- Знакомство с фреймворком PyTorch
Разберем как обрабатывать естественный язык с учителем, как реализовывать векторное предсталение слов
- Обработка естественного языка
- Обработка естественного языка с учителем
- Усредненные вектора слов
- Качество новой модели
Продажник
Для просмотра содержимого вам необходимо .
Скачать:
Для просмотра содержимого вам необходимо Войти или Зарегистрироваться.