Машинное обучение без математики

1

Машинное обучение без математики

15 этапов построения модели машинного обучения, классификация задач и методов их решения.
14 архитектур нейронных сетей и правила их построения

Очистка данных Инженерия признаков Уничтожение предикторов с корреляцией Преобразование данных Разделение данных Обработка дисбаланса классов LinearRegression Ridge, Lasso SVR SVM Деревья решений K-ближайших соседей K-средних (K-Means) DBSCAN Mean Shift RandomForestClassifier RandomForestRegressor GradientBoostingClassifier GradientBoostingRegressor AdaBoostClassifier AdaBoostRegressor GaussianNB MLPClassifier XGBoost LightGBM CatBoost (MAE) Accuracy (ARI) Пайплайн и Гиперпайплайн Кросс-валидация Гиперпараметры Ансамблирования Анализ ошибок (Признаки и Интервалы) (SHAP и LIME) BatchNormalization L2 Early Stopping ReduceLROnPlateau Perceptron FFNN MLP DFF DCN DCIGN RNN LSTM GRU AE DAE SAE ELM

2

Python и SQL для машинного обучения

От базовых запросов до сложных скриптов — освоим ровно столько, сколько нужно для уверенной работы с данными и машинным обучением.

Переменные Операции Ввод с клавиатуры Типы данных Функция print и её параметры Условный оператор Циклы Строки Списки Словари Функция и её аргументы Рекурсия и лямбда-функция Классы CREATE TABLE INSERT UPDATE SELECT WHERE GROUP BY HAVING ORDER BY LIMIT INNER JOIN LEFT JOIN RIGHT JOIN CROSS JOIN

3

Numpy и Pandas для обработки данных (Data Science)

Numpy и Pandas — волшебные инструменты, которые превращают горы данных в чёткие таблицы и мгновенные расчёты.

Создание массивов и основных структур данных Основные операции над массивами Индексация, срезы и итерация Арифметические операции Статистические функции Генерация случайных чисел Сортировка и поиск Типы данных и конвертация

4

Matplotlib, Seaborn, Plotly для визуализации в ML

Динамичные дашборды, 3D-визуализации и интерактивные графики — ваши данные теперь говорят сами за себя.

Базовые графики Визуализация данных Управление осями Добавление элементов Графики общего вида и распределения данных Визуализация взаимосвязей между переменными Графики для анализа категориальных данных Матричные графики и тепловые карты Гистограмма с промежутками График с всплывающими подсказками Анимированный график Столбчатый график с категориальными данными Столбчатый график с группировкой по цвету Линейный график с логарифмической шкалой 3D график рассеивания Создание точечной карты Создание анимированной карты График воронки продаж График с погрешностями Тёмная и светлая тема Интерактивная таблица Добавление аннотаций и пунктирных линий Тепловая карта Контурный график Сеточный график Пузырьковый график Полярная диаграмма График с настройкой осей Свечной график График временных рядов Диаграмма рассеяния матрицы Географическая карта График сети

5

Spacy, Transformers и OpenCV: NLP и CV для ML

Научим машину понимать текст: разметка частей речи, поиск сущностей и даже анализ настроений — всё это станет вашими инструментами. От обработки изображений до распознавания объектов: OpenCV превратит пиксели в полезные данные всего за несколько строк кода.

Токены и POS-теггинг Cинтаксические зависимости Именованные сущности Семантическое сходство Зависимые слова Ключевые слова Анализ сентимента Синонимы Гиперонимы NLP pipeline Заполнение пропущенных значений Генерация текста на GPT-2 Генерация ответов на вопросы с помощью BART Генерация ответов на вопросы, используя контекст Загрузка и отображение изображения Изменение размера Конвертация в градации серого Размытие Пороговая обработка Обнаружение краев Контуры Морфологические операции Применение фильтров Обнаружение объектов Распознавание объектов

Машинное обучение без математики

Машинное обучение С НУЛЯ

Машинное обучение С НУЛЯ на Python БЕЗ МАТЕМАТИКИ

Готовые блокноты для ML

Курс ML без воды и математики

Курс для абсолютных новичков

Программа курса по машинному обучению на Python