bootcamp_machine learning
v5.0.2
Этот проект представляет собой учебный курс по машинному обучению, созданный 42 AI.
Поскольку понятия, рассматриваемые во время этого учебного курса, могут быть сложными, мы настоятельно рекомендуем студентам заранее пройти следующий учебный курс:
42 Искусственный интеллект — это студенческая организация парижского кампуса школы. 42. Наша цель — способствовать обсуждению, обучению и интересу к области искусственного интеллекта путем организации различных мероприятий, таких как лекции и семинары.
PDF-файлы каждого модуля можно загрузить с нашей страницы выпуска: https://github.com/42-AI/bootcamp_machine-learning/releases.
Начните с линейной алгебры и статистики.
Сумма, среднее значение, дисперсия, стандартное отклонение, операции с векторами и матрицами.
Гипотеза, модель, регрессия, функция потерь.
Реализуйте метод повышения производительности вашей модели: градиентный спуск и откройте для себя понятие нормализации.
Градиентный спуск, линейная регрессия, нормализация.
Расширьте линейную регрессию, чтобы она могла обрабатывать несколько функций, строить полиномиальные модели и обнаруживать переобучение.
Многомерная линейная гипотеза, многомерный линейный градиентный спуск, полиномиальные модели.
Обучающие и тестовые наборы, переобучение.
Откройте для себя свой первый алгоритм классификации: логистическую регрессию!
Логистическая гипотеза, логистический градиентный спуск, логистическая регрессия, многоклассовая классификация.
Точность, точность, полнота, показатель F1, матрица путаницы.
Борьба с переоснащением!
Регуляризация, переобучение. Регуляризованная функция потерь, регуляризованный градиентный спуск.
Регуляризованная линейная регрессия. Регуляризованная логистическая регрессия.
