[Udemy] Искусственный интеллект и Машинное обучение + Основы Python (Тимур Казанцев)
Чему вы научитесь
— Сможете различать между Машинным и Глубинным обучением и Нейронными сетями
— Узнаете, в каких областях применяются технологии Искусственного интеллекта и Машинного обучения, и что ждет ИИ в будущем
— Сможете решать простые Реальные Задачи с использованием Алгоритмов Машинного Обучения в Excel и Python
— Научитесь Основам Программирования на Python
— Узнаете где находить Данные и Датасеты
— Построите Нейронные Сети для Предсказания Изображений и Анализа Текстов
— Создадите свои Модели Машинного обучения для решения задач
Требования
— Вам Необязательно знать математику, статистику или какой-либо язык программирования, чтобы пройти данный курс
— Вам Необязательно устанавливать какое-либо программное обеспечение для прохождения курса
Мы вместе составим модели на Python для машинного обучения для:
— предсказания цен на квартиры
— предсказания ВВП от цен на нефть
— предсказания о том, какие из пассажиров выжили на Титанике
— предсказания что изображено на рисунках с помощью Нейронной Сети!
— анализ тональность текстов на основе Нейронных сетей!
— и др.
Для кого этот курс:
— Этот курс будет полезен любому, кому
интересны новейшие технологии и кто хочет быть в курсе того, куда движется наша цивилизация
— Курс будет полезен тем, кто хочет понять как можно внедрять технологии машинного обучения
— Если вы хотите научиться основам программирования на Python, то курс будет Вам полезен
— Этот курс будет полезен любому, кто хочет понять как работают Нейронные сети, и алгоритмы Машинного обучения
Описание
Искусственный интеллект — это уже наше настоящее, с которым мы соприкасаемся каждый день, будь то при поиске в интернете, покупках онлайн, просматривании видео и изображений в социальных сетях, и даже вождении автомобиля. ИИ применяется и в более коммерческих областях и там, где от этого зависят жизни людей, а именно, в медицине, при прогнозировании продаж, космической сфере и строительстве.
Раз уж мы окружены технологиями ИИ повсюду, то необходимо иметь представление о том, как они работают. И для такого понимания на базовом уровне необязательно иметь техническое или IT образование.
В этом курсе мы расскажем вам об основных понятиях Искусственного Интеллекта и машинного обучения. Вы познакомитесь с основными видами, алгоритмами и моделями, которые используются для решения абсолютно разных задач, и мы даже построим нашу собственную нейронную сеть. Мы даже попробуем создать вместе модели регрессии и классификации для решения конкретных практических примеров в Excel — для тех, кто не хочет ничего программировать. А для тех, кто хочет познакомиться с Python — языком программирования, на котором решается сегодня более 53% всех задач по машинному обучению, в данном курсе вы найдете лекции для ознакомления с основами программирования на этом языке.
Этот курс может стать своеобразным трамплином для развития вашей карьеры в области Искусственного интеллекта, машинного обучения и больших данных. На его основе вы сможете в дальнейшем выбрать уже ту конкретную область, в которой вы бы хотели развиваться и работать дальше. Нельзя не упоминуть, что специалисты в области ИИ и Big Data сегодня — одни из самых высокооплачиваемых и искомых на рынке (по разным оценкам всего на глобальном рынке сегодня около 300 000 специалистов по ИИ, в то время как спрос на них — несколько миллионов).
Так почему бы не укрепить свое резюме сертификатом от крупнейшей международной образовательной платформы Udemy о том, что вы прошли данный курс об Искусственном интеллекте и Машинном обучении, и основам программирования на Python. После прохождения данного курса, вы сможете общаться свободно на темы, касающиеся Искусственного интеллекта, машинного и глубокого обучения, и нейронных сетей. Вы сможете анализировать и визуализировать данные, использовать алгоритмы и нейронные сети для решения задач из разных областей.
Данный курс содержит более 30 полезных лекций и будет регулярно дополняться новыми лекциями и после зачисления на него у вас будет полноценный доступ ко всем материалам без каких-либо ограничений. Потратьте некоторое время на изучение этого курса, чтобы усилить свои профессиональные навыки и расширить кругозор, используя приобретенные знания.
Содержание складчины (файлы и папки)
1 Введение
1 Введение.mp4 [52m 359k 193] 2 История развития Искусственного интеллекта.mp4 [89m 965k 685] 2 Основные понятия
1 Различие между ИИ, Машинным обучением и Глубоким Обучением.mp4 [88m 323k 242] 2 Примеры использования ИИ, МО и ГО в различных областях.mp4 [55m 346k 380] 3 Основные задачи и методы Машинного обучения
1 Обучение с учителем и Обучение без учителя (Supervised vs Unsupervised learning).mp4 [0] 2.0 Регрессия. Метод наименьших квадратов. Пример решения в Excel.mp4 [28m 812k 890] 2.1 REgression-flat price.xlsx [14k 846] 3 Классификация.mp4 [17m 494k 265] 4.0 Метод k-ближайших соседей. Решение задачи классификации.mp4 [76m 560k 373] 4.1 iris-classification.xlsx [32k 923] 5 Кластеризация.mp4 [28m 17k 122] 4 Ансамблирование в машинном обучении
1 Ансамбли.mp4 [21m 271k 78] 2 Комитет большинства.mp4 [11m 6k 209] 3 Бэггинг.mp4 [13m 105k 955] 4 Случайный лес.mp4 [11m 449k 794] 5 Будущее Искусственного Интеллекта и завершение Теоретической части курса
1 Будущее Искусственного интеллекта.mp4 [101m 765k 276] 6 Основы Программирования на Python
1 Для тех, кто знает основы Python.html [883] 2 Установка Python. Дистрибутив Anaconda.mp4 [34m 802k 989] 3.0 Базовые команды в Python.mp4 [27m 67k 47] 3.1 Basic-commands.py [1k 254] 4.0 Оператор If — Else.mp4 [25m 445k 327] 4.1 If — Else.py [1k 78] 5.0 Оператор While. Функция Input.mp4 [26m 157k 309] 5.1 While-operator.py [563] 6 Строки.mp4 [15m 111k 174] 7 Списки и операции с ними.mp4 [18m 323k 449] 8 Словари и операции с ними.mp4 [27m 721k 333] 7 Построение моделей Машинного обучения в Python
1.0 Предсказание цен на квартиры с помощью метода линейной регрессии.mp4 [82m 356k 685] 1.1 flat-linear-regression.py [2k 56] 1.2 gdprussia.xlsx [9k 665] 1.3 prediction_price.xlsx [8k 187] 1.4 price1.xlsx [8k 578] 2.0 Предсказание ВВП от цен на нефть с помощью Линейной Регрессии.mp4 [28m 890k 595] 2.1 Oil-003.py [1k 285] 3.0 Выжившие на Титанике. Модель классификации с помощью Метода Опорных Векторов.mp4 [0] 3.1 titanic-prediction.py [2k 192] 4.0 Выжившие на Титанике. Модели Дерева решений, Случайного леса и Бэггинга.mp4 [0] 4.1 titanic-decision-tree.py [2k 942] 4.2 titanic-Random-Forest.py [2k 538] 8 Строим Нейронные Сети в Python
1 Нейронные сети. Предсказание изображений одежды.mp4 [151m 197k 139] 2 Нейросети для Анализа Текстов.mp4 [24m 720k 672] 3 Нейросети для Анализа Тональности Отзывов.mp4 [85m 273k 284] 9 Бонус. Где находить Данные для Машинного обучения
1.0 Открытые Датасэты для задач Машинного Обучения.html [10k 223] 1.1 Вот еще одна интересная подборка с датасетами для машинного обучения.html [0] 1.2 Datasets-attachment.pdf [523k 156] Объем: 1,26Гб.