r_d

Machine learning для прогнозирования

Двухнедельный практикум о прогнозировании с применением разных методов ML. Скролльте ниже, чтобы узнать, о каких методах речь
и в каком формате проходит практикум.
О практикуме

Один из самых популярных
запросов в сфере машинного
обучения — прогнозирование. Существуют три классических метода решения этой задачи: регрессии, k-ближайшие
соседи и нейронные сети.

Чтобы научить вас использованию этих методов, существует данный практикум. В течение суммарно 4,5 часов на занятиях и ~10 часов самостоятельной практики вы сможете понять эти методы, внедрить их в свою работу и оценить релевантность каждого для конкретной задачи.

12 октября 26 октября
12 октября — 26 октября
лектор
Тарас Кучеренко

разрабатывает модели жестикуляции как исследователь в Королевском технологическом институте (KTH Royal Institute of Technology in Stockholm)

  • диагностический прогноз HealthTech EACare совпадает с клинической оценкой в 100% протестированных случаев в выборке
  • преподает machine learning, computer vision и deep learning
  • провёл исследование о генеративных моделях невербального поведения, таких как жесты рук и мимика
  • знает языки Python и С#, а также 7 человеческих языков
программа
1
Прогнозирование на основе линейной и полиномиальной регрессий
Изучите основы ML, обучающие и тестовые выборки, основные принципы и сферы применения линейной и полиномиальной регрессии. 
Зачем: научиться строить регрессии для прогнозирования.
2
Прогнозирование с помощью метода
k-ближайших соседей
Изучите основные принципы, сферы применения, преимущества и недостатки метода k-ближайших соседей. Сравните метод с полиномиальной регрессией.
Зачем: применять метод
k-ближайших соседей для прогнозирования, а также оценивать качество метода.
3
Прогнозирование с помощью нейронных сетей
Изучите принцип работы нейронных сетей и deep learning. Определите ситуации, в которых корректнее использовать метод ML или DL.
Зачем: оценивать эффективность метода, применять нейронные сети для прогнозирования.
после практикума
1
 
Навык
Понимаете, как решить задачу по прогнозированию тремя методами:
с помощью регрессий, k-ближайших
соседей и нейросетей.
2
 
Применение
Можете определить, какой метод более релевантен для вашей конкретной задачи,
и как применять каждый из методов в реальной работе.
регистрация

это обязательное поле

введите правильный адрес

это тоже обязательное поле

введите корректный номер телефона

и это тоже обязательное поле

 
 
 
 
Регистрируясь, вы соглашаетесь с условиями
договора-оферты и политикой конфиденциальности.
what if … :
1. … практикум не понравился – можно вернуть деньги.
2. … не подходит график занятий — уточните, когда будет следующий поток.
3. … вы пропустили занятие – сохраняется запись.