Udemy.com [Udemy, Lazy Programmer Inc.] Машинное обучение и искусственный интеллект: вспомогательные векторные машины в Python (2024)

[Calvin Candie]

Автор: Udemy, Lazy Programmer Inc.
Название: Машинное обучение и искусственный интеллект: вспомогательные векторные машины в Python (2024)



Искусственный интеллект и наука о данных Алгоритмы классификации и регрессии на Python

Чему вы научитесь:

• Применяйте SVM в практических приложениях: распознавание изображений, обнаружение спама, медицинская диагностика и регрессионный анализ
• Построение собственной RBF-сети и других нейронных сетей на основе SVM
• Полиномиальное ядро, гауссово ядро и сигмоидное ядро
• Регрессия вектора поддержки
• Поймите, как квадратичное программирование применяется к SVM
• Использование двойственности Лагранжа для получения ядра SVM
• Поймите теорию, лежащую в основе SVM, с нуля (основы геометрии)

Материалы курса
13 разделов • 74 лекций • Общая продолжительность 8 ч 58 мин

• Добро пожаловать!
• Уголок для начинающих
• Обзор линейных классификаторов
• Линейная поддержка векторной машины
• Дуальность
• Методы ядра
• Реализации и расширения
• Нейронные сети (для начинающих 2)
• Приложение / Введение в раздел часто задаваемых вопросов
• Настройка среды (ответы на часто задаваемые вопросы по запросу студентов)
• Дополнительная помощь в программировании на Python для начинающих (ответы на часто задаваемые вопросы по запросу студентов)
• Эффективные стратегии обучения машинному обучению (ответы на часто задаваемые вопросы по запросу студентов)
• Приложение / Финал с ответами на часто задаваемые вопросы

Требования

• Калькуляция, матричная арифметика / геометрия, основы теории вероятностей
• Кодирование на Python и Numpy
• Логистическая регрессия

Описание:
Машины опорных векторов (SVM) - одна из самых мощных моделей машинного обучения, и с тех пор, как я начал готовить курсы, студенты часто обращаются к этой теме.
В наши дни, кажется, все говорят о глубоком обучении, но на самом деле было время, когда машины с опорными векторами считались более совершенными, чем нейронные сети. В этом курсе вы узнаете, что машина опорных векторов на самом деле является нейронной сетью, и они выглядят одинаково, если нарисовать диаграмму.
Самое сложное препятствие, которое необходимо преодолеть при изучении машин опорных векторов, заключается в том, что они очень теоретичны. Эта теория легко отпугивает многих людей, и может показаться, что изучение машин опорных векторов - это нечто непосильное. Это не так!

В этом курсе мы используем очень методичный, пошаговый подход к построению всей теории, необходимой для понимания того, как на самом деле работает SVM. В качестве отправной точки мы будем использовать логистическую регрессию, которая является одной из самых первых вещей, о которых вы узнаете, изучая машинное обучение. Поэтому, если вы хотите понять этот курс, просто имейте хорошую интуицию о логистической регрессии и, как следствие, хорошее понимание геометрии линий, плоскостей и гиперплоскостей.
В этом курсе рассматривается важнейшая теория, лежащая в основе SVM:

• Вывод линейной SVM
• Потери на петлях (и их связь с потерями на кросс-энтропии
• Квадратичное программирование (и обзор линейного программирования)
• Провисающие переменные
• Двойственность Лагранжа
• Ядро SVM (нелинейная SVM)
• Полиномиальные ядра, гауссовы ядра, сигмоидные ядра и строчные ядра
• Узнайте, как добиться бесконечной размерности признаков.
• Проективный градиентный спуск
• SMO (последовательная минимальная оптимизация)
• RBF-сети (нейронные сети с радиальной базисной функцией)
• Регрессия опорных векторов (SVR)
• Многоклассовая классификация

Для тех, кто думает: «Теория - это не для меня», в этом курсе найдется много материала и для вас! В этом курсе будет не один, а целых два раздела, посвященных только практическим аспектам эффективного использования SVM.Мы рассмотрим сквозные примеры реальных практических приложений машинного обучения, таких как:

• Распознавание изображений
• Регрессионный анализ
• Обнаружение спама
• Медицинская диагностика

Для более продвинутых студентов есть также множество упражнений по кодированию, где вы сможете попробовать различные подходы к реализации SVM.Это реализации, которые вы не найдете ни в одном другом курсе.

Преподаватели:
- Lazy Programmer Team
Ленивый программист - опытный онлайн-педагог с непоколебимой страстью к распространению знаний. Имея более чем 10-летний опыт работы, он произвел революцию в области науки о данных и машинного обучения, покорив аудиторию по всему миру своими комплексными курсами и учебными пособиями.
- Lazy Programmer Inc.
Ленивый программист - опытный онлайн-педагог с непоколебимой страстью к распространению знаний. Имея более чем 10-летний опыт работы, он произвел революцию в области науки о данных и машинного обучения, покорив аудиторию по всему миру своими комплексными курсами и учебными пособиями.

Бонус от Организатора: Русские субтитры + Русские аудио дорожки машинный перевод + для удобства воспроизведения добавлена отдельная папка с сшитыми видео файлами (Русская аудио дорожка + видео файл) [Premium Ai].
*Аудио перевод произведён с синхронизацией таймингов.

Подробнее:

Скачать:

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.