Перейти к основному содержимому

Сведения о курсе

В машинном обучении на компьютерах запускаются прогнозные модели на основе имеющихся данных для прогнозирования будущего поведения, событий и тенденций.

В этом курсе теории анализа данных вы разберетесь в теории машинного обучения, а также познакомитесь с практическими сценариями и приобретете реальный опыт создания, проверки правильности и развертывания моделей машинного обучения. Вы узнаете, как создавать и получать на основе этих моделей аналитические отчеты, используя R, Python и Azure Machine Learning.

Темы курса

  • Изучение классификации
  • Методы регрессии в машинном обучении
  • Улучшение моделей с учителем
  • Подробная информация о нелинейном моделировании
  • Кластеры
  • Рекомендательные системы
  • В практических работах этого курса используется сочетание языков R, Python, а также методов машинного обучения в Microsoft Azure.

Тренеры:

Course Staff Image #1

Доктор Стив Элстон (Dr. Steve Elston)

Стив – большой энтузиаст больших данных и специалист по теории анализа данных. Он обладает более чем двадцатилетним опытом использования R и S/SPLUS в прогнозной аналитике и машинном обучении. Он имеет степень доктора наук (PhD) по геофизике Принстонского университета и неоднократно возглавлял многонациональные команды специалистов по анализу данных в различных компаниях.

Course Staff Image #2

Синтия Рудин (Cynthia Rudin)

Синтия возглавляет Лабораторию прогнозного анализа в Массачусетском технологическом институте, она сотрудничает с Лабораторией компьютерных технологий и искусственного интеллекта и со Школой менеджмента Слоан. У нее есть степень доктора наук (PhD) по прикладной и вычислительной математике Принстонского университета, раньше она была младшим научным сотрудником в Центре вычислительных обучающих систем Колумбийского университета.

Начало курса
Занятия заканчиваются
Оценка сложности
18-24 total hours
Внести в список