Машинне навчання для всіх

Ця вступна лекція допомагає усвідомити шаблони машинного навчання та їх використання у реальному світі. Після цього курсу ви зможете: * Описати методи та застосування контрольованого та неконтрольованого навчання * Зрозуміти такі методи, як класифікація, кластеризація та регресія * Обговорити, як визначити, які методи слід застосовувати для конкретних випадків * Зрозуміти популярні рішення для машинного навчання, такі як Amazon Machine Learning, TensorFlow, Azure Machine Learning, Spark mlib, Python та R тощо * Встановити та налаштувати Anaconda. * Провести практичну діяльність за допомогою Jupyter Notebooks. План тем: * Вступ до курсу * Шаблони машинного навчання - Класифікація - Кластеризація - Регресія * Цикл обіцянок Gartner для нових технологій * Пропозиції машинного навчання в індустрії * Управа 1 - Встановлення та налаштування Anaconda. * Бібліотеки Python - NumPy - Pandas - Scikit Learn * Управа 2: Аналіз даних за допомогою Pandas * Алгоритми - Лінійна регресія - Дерево рішень * Управа 3: Виконати лінійну регресію за допомогою Scikit-learn * Посилання та наступні кроки