Машинное обучение для всех

Этот вводный курс помогает осознать паттерны машинного обучения и случаи его применения в реальном мире. После этого курса вы сможете: * Описать методы и применения контролируемого и неконтролируемого обучения * Понять такие техники, как классификация, кластеризация и регрессия * Обсудить, как определить, какие методы применить для конкретного случая * Понять популярные предложения в области машинного обучения, такие как Amazon Machine Learning, TensorFlow, Azure Machine Learning, Spark mlib, Python и R и др. * Установить и настроить Anaconda. * Выполнить практическое задание с использованием Jupyter Notebooks. Темы курса: * Введение в курс * Паттерны машинного обучения - Классификация - Кластеризация - Регрессия * Цикл ожиданий Gartner для новых технологий * Предложения в области машинного обучения в индустрии * Упражнение 1 - Установка и настройка Anaconda. * Библиотеки Python - NumPy - Pandas - Scikit Learn * Упражнение 2: Анализ данных с использованием Pandas * Алгоритмы - Линейная регрессия - Дерево решений * Упражнение 3: Выполнение линейной регрессии с использованием Scikit-learn * Ссылки и следующие шаги