План курса
Модуль 1
0/1
Урок 1. Вводный урок
31:23
Модуль 2
0/1
Урок 2. Библиотеки работы с данными
01:06:21
Модуль 3
0/1
Урок 3. Линейная регрессия
58:09
Модуль 4
0/1
Урок 4. Линейная классификация
49:42
Модуль 5
0/1
Урок 5. Логистическая регрессия (линейная классификация)
10:43
Модуль 6
0/1
Урок 6. Кластеризация KMEANS
39:04
Модуль 7
0/1
Урок 7. Деревня решений
09:42
Модуль 8
0/1
Урок 8. Случайный лес
27:46
Модуль 9
0/1
Урок 9. Градиентный бустинг
10:45
Модуль 10
0/1
Урок 10. Метод опорных векторов
23:19
Модуль 11
0/1
Урок 11. Метод K-ближайших соседей
16:01
Модуль 12
0/1
Урок 12. Кластеризация DBSCAN
09:43
Модуль 13
0/1
Урок 13. Перцептрон
14:19
Модуль 14
0/1
Урок 14. Нейрон и нейронная сеть
38:15
Модуль 15
0/1
Урок 15. Функции активации
20:45
Модуль 16
0/1
Урок 16. Обратное распространение ошибки
27:42
Модуль 17
0/1
Урок 17. Полносвязные сети
12:44
Модуль 18
0/1
Урок 18. Свертки
19:34
Модуль 19
0/1
Урок 19. Сверточные сети
22:48
Модуль 20
0/1
Урок 20. Сервисы разметки фотографий
24:42
Модуль 21
0/1
Урок 21. LSTM сети
13:14
Нейронные сети и машинное обучение
Материалы к уроку
1. Вводное занятие AI, ML.pdf
Размер: 3,19 МБ
Назад
Далее
0% Завершено