Лекции по машинному обучению
Предлагаю вашему вниманию курс по машинному обучению и большим данным (2020 год). Курс готовился для студентов старших курсов технического ВУЗа, у которых машинное обучение не является основной дисциплиной. То есть курс больше обзорный, но требует знания математики и основ программирования. Специализация курса немного сдвинута в сторону микроэлектроники, поэтому некоторым низкоуровневым вещам уделено больше внимания, как например вычисление свёртки в деталях. Так же последняя лекция посвящена реализации нейронных сетей на аппаратном уровне. Надеюсь кому-то пригодится.
Лекция 1 | Язык программирования Python и полезные модули
Лекция 2 | Введение в машинное обучение
Лекция 3 | Градиентный бустинг и другие методы для обработки табличных данных
Лекция 4 | Введение в нейронные сети
Лекция 5 | Свёрточные нейронные сети для работы с изображениями
Лекция 6 | Работа с текстовыми данными
Лекция 7 | Работа со звуковыми данными. Задачи Object Detection и Segmentation
Лекция 8 | Реализация нейронных сетей на аппаратном уровне
Плейлист со всеми лекциями: https://www.youtube.com/playlist?list=PLMyPRULSXkaWaJrQOWCBw...
К курсу так же прилагается 4 лабораторные работы, которые закрывают анализ основных типов больших данных: таблицы, изображения, текст и звук.
Лабораторная работа 1 (после 3 лекции):
https://www.kaggle.com/c/m-lab-1/
Лабораторная работа 2 (после 5 лекции):
https://www.kaggle.com/c/m-lab-2/
Лабораторная работа 3 (после 6 лекции):
https://www.kaggle.com/c/m-lab-3/
Лабораторная работа 4 (после 7 лекции):
Искусственный интеллект
5.9K пост12K подписчиков
Правила сообщества
ВНИМАНИЕ! В сообществе запрещена публикация генеративного контента без детального описания промтов и процесса получения публикуемого результата.
Разрешено:
- Делиться вопросами, мыслями, гипотезами, юмором на эту тему.
- Делиться статьями, понятными большинству аудитории Пикабу.
- Делиться опытом создания моделей машинного обучения.
- Рассказывать, как работает та или иная фиговина в анализе данных.
- Век жить, век учиться.
Запрещено:
I) Невостребованный контент
I.1) Создавать контент, сложный для понимания. Такие посты уйдут в минуса лишь потому, что большинству неинтересно пробрасывать градиенты в каждом тензоре реккурентной сетки с AdaGrad оптимизатором.
I.2) Создавать контент на "олбанском языке" / нарочно игнорируя правила РЯ даже в шутку. Это ведет к нечитаемости контента.
I.3) Добавлять посты, которые содержат лишь генеративный контент или нейросетевой Арт без какой-то дополнительной полезной или интересной информации по теме, без промтов или описания методик создания и т.д.
II) Нетематический контент
II.1) Создавать контент, несвязанный с Data Science, математикой, программированием.
II.2) Создавать контент, входящий в противоречие существующей базе теорем математики. Например, "Земля плоская" или "Любое действительное число представимо в виде дроби двух целых".
II.3) Создавать контент, входящий в противоречие с правилами Пикабу.
III) Непотребный контент
III.1) Эротика, порнография (даже с NSFW).
III.2) Жесть.
За нарушение I - предупреждение
За нарушение II - предупреждение и перемещение поста в общую ленту
За нарушение III - бан