Хочу представить вашему вниманию курс, который я недавно закончил писать на Степике - Алгоритмы Машинного обучения с нуля.
На этом курсе вам предстоит реализовать на чистом Python (+ NumPy и Pandas) все основные алгоритмы машинного обучения. При этом основной упор в подаче материала сделан на алгоритмы с т.з. программирования, а не с т.з. математики. Хотя основные математические концепции тоже даны.
Курс бесплатный и находится на платформе степик: https://stepik.org/course/68260/promo
Темы курса:
-
Линейные модели:
Линейная регрессия
Логистическая регрессия
Метод ближайших соседей, kNN (классификация и регрессия)
Деревья решений (классификация и регрессия)
-
Ансамбли:
Случайный лес (регрессия и классификация)
Бэггинг (регрессия и классификация)
Градиентный бустинг (регрессия и классификация)
-
Кластеризация:
Метод k-средних (K-Means)
Иерархическая агломеративная кластеризация
DBSCAN
Снижение размерности (Метод главных компонент, PCA)
По мере возможности буду дописывать и менее популярные темы из классического ML (рекомендашки, SVM и т.д.)
Курс рассчитан на тех, кто уже знаком с основами машинного обучения и хочет более детально разобраться в реализации классических алгоритмов машинного обучения. Помимо машинного обучения вам также понадобятся навыки написания кода на языке Python, а также понимание его алгоритмов и структур данных.
Комментарии (10)
Iam_Alive
25.03.2024 10:35+1Курс рассчитан на тех, кто уже знаком с основами машинного обучения и хочет более детально разобраться в реализации классических алгоритмов машинного обучения
Так в итоге, курс с нуля или для тех кто уже знаком с основами?
slivka_83 Автор
25.03.2024 10:35С нуля необходимо реализовывать алгоритмы машинного обучения (на чистом Python, + NumPy и Pandas). А для этого лучше уже быть знакомым с основами машинного обучения и уметь кодить на Python.
Adgh
25.03.2024 10:35+3Честно говоря для людей, знакомых с основами машинного обучения, было бы пожалуй интереснее в массе примерить свои знания на практике, вооружившись готовыми платформами (вроде gymnasium) и фреймворками (PyTorch & Sklearn), вместо погружения в детали реализации соответствующих алгоритмов.
KMiNT21
25.03.2024 10:35В реальности все еще хуже. :) Там на степике есть еще курс по нейронкам (не помню уже название), где даже не пытаются заинтересовать. Со старта сразу дают под дых -- огромный раздел по математике. И сиди решай. :) Мало того, что они этим сразу отсеяли почти всех, так еще и те, кто пройдут, почти никто никогда не прикоснется к этой математике, так как только единицы будут причастны к разработке State Of The Art продуктов. А могли бы просто людей втянуть практикой, заинтересовать. Показать задачи, которые можно нейроками решать.
HahaBro
25.03.2024 10:35+1Можете сказать, какой порог фхода на курс? Что необходимо знать чтоб нормально усвоить материал? Какие темы из математики, что нужно знать из пайтона?
slivka_83 Автор
25.03.2024 10:35По сути в курсе дано все, что нужно для его прохождения. Единственное, местами не разъясняются некоторые термины и понятия из ML. Например, что такое фича, для чего нужна тестовая выборка и т.д. Поэтому желательно предварительно пройти какой-нибудь базовый курс по ML. Ну и на питоне нужно кодить более-менее сносно.
Alexander26984
Название статьи не слишком помпезное? Мне это всё интересно и нужно учить, так что надеюсь, курс будет хорошим, а не как некоторые +)
IlyaEdrets
Как каждый родитель считает своего ребенка самым лучшим, так и автор считает свой курс лучшим всех в мире)
BRAINKIT
Это понятно, но когда я читаю подобный заголовок, я рассчитываю на объективную оценку, а не на личное мнение автора.
Здесь получается кликбейт/самореклама, интереса к курсу меньше из за подобного заголовка, так как есть несоответствие ожиданий и фактов.