mlcourse.ai

mlcourse.ai – หลักสูตรการเรียนรู้ของเครื่องแบบเปิด

mlcourse.ai เป็นหลักสูตร Machine Learning แบบเปิดโดย OpenDataScience (ods.ai) นำโดย Yury Kashnitsky (yorko) มีทั้งปริญญาเอก สำเร็จการศึกษาระดับปริญญาตรีสาขาคณิตศาสตร์ประยุกต์และระดับปริญญาโทการแข่งขัน Kaggle, Yury มุ่งเป้าไปที่การออกแบบหลักสูตร ML ที่มีความสมดุลที่สมบูรณ์แบบระหว่างทฤษฎีและการปฏิบัติ ดังนั้นหลักสูตรนี้จึงตอบโจทย์คุณด้วยสูตรคณิตศาสตร์ในการบรรยาย และการฝึกฝนมากมายในรูปแบบของการมอบหมายงาน และการแข่งขัน Kaggle Inclass ขณะนี้หลักสูตรอยู่ใน โหมดการเรียนรู้ด้วยตนเอง ที่นี่เราจะแนะนำคุณผ่าน mlcourse.ai แบบเรียนรู้ด้วยตนเอง

โบนัส: นอกจากนี้ คุณสามารถซื้อชุด Bonus Assignments ที่มีการมอบหมาย mlcourse.ai เวอร์ชันที่ไม่ใช่เดโมที่ดีที่สุดได้ เลือกระดับ "การมอบหมายโบนัส" อ้างถึงรายละเอียดของข้อตกลงในหน้าหลัก mlcourse.ai

Mirrors (:uk:-only): mlcourse.ai (ไซต์หลัก), Kaggle Dataset (สมุดบันทึกเดียวกันกับ Kaggle Notebooks)

ตนเองผ่านไปได้

คุณจะได้รับคำแนะนำตลอด 10 สัปดาห์ของ mlcourse.ai ในแต่ละสัปดาห์ ตั้งแต่แพนด้าไปจนถึงการไล่ระดับสี จะมีการให้คำแนะนำเกี่ยวกับบทความที่ควรอ่าน การบรรยายที่น่าดู และงานที่ได้รับมอบหมายให้ทำให้สำเร็จ

บทความ

นี่คือรายการบทความที่เผยแพร่บน medium.com ??, habr.com ??. มีการกล่าวถึงสมุดบันทึกภาษาจีนด้วย ?? และลิงก์ไปยัง Kaggle Notebooks (ภาษาอังกฤษ) สามารถคลิกไอคอนได้

1. การวิเคราะห์ข้อมูลเชิงสำรวจด้วยแพนด้า ?? - ??, Kaggle Notebook
2. การวิเคราะห์ข้อมูลภาพด้วย Python ?? - ??, Kaggle Notebooks: ตอนที่ 1, ตอนที่ 2
3. การจำแนกประเภท แผนผังการตัดสินใจ และเพื่อนบ้านที่ใกล้ที่สุด ?? - ??, Kaggle Notebook
4. การจำแนกเชิงเส้นและการถดถอย ?? - ??, สมุดบันทึก Kaggle: ตอนที่ 1, ตอนที่ 2, ตอนที่ 3, ตอนที่ 4, ตอนที่ 5
5. การบรรจุถุงและป่าสุ่ม ?? - ??, สมุดบันทึก Kaggle: ตอนที่ 1, ตอนที่ 2, ตอนที่ 3
6. วิศวกรรมคุณสมบัติและการเลือกคุณสมบัติ ?? - ??, Kaggle Notebook
7. การเรียนรู้แบบไม่มีผู้ดูแล: การวิเคราะห์องค์ประกอบหลักและการจัดกลุ่ม ?? - ??, Kaggle Notebook
8. Vowpal Wabbit: การเรียนรู้ด้วยข้อมูลกิกะไบต์ ?? - ??, Kaggle Notebook
9. การวิเคราะห์อนุกรมเวลาด้วย Python ตอนที่ 1 ?? - - ทำนายอนาคตกับ Facebook Prophet ตอนที่ 2 ??, ?? สมุดบันทึก Kaggle: ตอนที่ 1, ตอนที่ 2
10. การไล่ระดับสี ?? ??, ??, Kaggle Notebook

บรรยาย

วิดีโอบรรยายถูกอัปโหลดไปยังเพลย์ลิสต์ YouTube นี้ บทนำ วิดีโอ สไลด์

1. การวิเคราะห์ข้อมูลเชิงสำรวจด้วย Pandas วิดีโอ
2. การแสดงภาพ โครงเรื่องหลักสำหรับ EDA วิดีโอ
3. แผนผังการตัดสินใจ: ภาคทฤษฎีและภาคปฏิบัติ
4. การถดถอยโลจิสติก: รากฐานทางทฤษฎี ส่วนปฏิบัติ (พื้นฐานในการแข่งขัน "อลิซ")
5. Ensembles และ Random Forest - ตอนที่ 1 การวัดการจำแนกประเภท - ตอนที่ 2 ตัวอย่างงานทางธุรกิจ การทำนายการชำระเงินของลูกค้า - ตอนที่ 3
6. การถดถอยเชิงเส้นและการทำให้เป็นมาตรฐาน - ทฤษฎี, LASSO & Ridge, การทำนาย LTV - การปฏิบัติ
7. การเรียนรู้แบบไม่มีผู้ดูแล - การวิเคราะห์องค์ประกอบหลักและการจัดกลุ่ม
8. Stochastic Gradient Descent สำหรับการจำแนกและการถดถอย - ตอนที่ 1, ตอนที่ 2 TBA
9. การวิเคราะห์อนุกรมเวลาด้วย Python (ARIMA, Prophet) - วิดีโอ
10. การเพิ่มประสิทธิภาพการไล่ระดับสี: แนวคิดพื้นฐาน - ตอนที่ 1 แนวคิดหลักเบื้องหลัง Xgboost, LightGBM และ CatBoost + แบบฝึกหัด - ตอนที่ 2

การมอบหมายงาน

ต่อไปนี้เป็นงานสาธิต นอกจากนี้ ภายในระดับ "การมอบหมายโบนัส" คุณสามารถเข้าถึงการมอบหมายที่ไม่ใช่การสาธิตได้

1. การวิเคราะห์ข้อมูลเชิงสำรวจด้วย Pandas, nbviewer, Kaggle Notebook, โซลูชัน
2. วิเคราะห์ข้อมูลโรคหลอดเลือดหัวใจ, nbviewer, Kaggle Notebook, โซลูชัน
3. แผนผังการตัดสินใจพร้อมงานของเล่นและชุดข้อมูล UCI Adult, nbviewer, Kaggle Notebook, โซลูชัน
4. การตรวจจับการเสียดสี Kaggle Notebook วิธีแก้ปัญหา การถดถอยเชิงเส้นเป็นปัญหาการปรับให้เหมาะสม nbviewer สมุดบันทึก Kaggle
5. การถดถอยโลจิสติกและฟอเรสต์สุ่มในปัญหาการให้คะแนนเครดิต, nbviewer, Kaggle Notebook, โซลูชัน
6. การสำรวจ OLS, Lasso และ Random Forest ในงานการถดถอย, nbviewer, Kaggle Notebook, โซลูชัน
7. การเรียนรู้แบบไม่มีผู้ดูแล, nbviewer, Kaggle Notebook, โซลูชัน
8. การใช้ regressor ออนไลน์, nbviewer, Kaggle Notebook, โซลูชัน
9. การวิเคราะห์อนุกรมเวลา, nbviewer, Kaggle Notebook, โซลูชัน
10. เอาชนะเส้นชัยในการแข่งขัน Kaggle Notebook

การมอบหมายโบนัส

นอกจากนี้ คุณสามารถซื้อ ชุด Bonus Assignments พร้อมกับการมอบหมาย mlcourse.ai เวอร์ชันที่ไม่ใช่เดโมที่ดีที่สุดได้ เลือกระดับ "การมอบหมายโบนัส" บน Patreon หรือระดับที่คล้ายกันใน Boosty (rus)

รายละเอียดของข้อตกลง

mlcourse.ai ยังคงอยู่ในโหมดเรียนรู้ด้วยตนเอง แต่เราขอเสนอการมอบหมายโบนัสพร้อมโซลูชั่นให้คุณในราคา $17/เดือน แนวคิดก็คือคุณต้องจ่ายเงินประมาณ 1-5 เดือนในขณะที่ศึกษาเนื้อหาหลักสูตร แต่การบริจาคเพียงครั้งเดียวก็ยังดีและทำให้คุณสามารถเข้าถึงชุดโบนัสได้

หมายเหตุ: การชำระเงินครั้งแรกจะถูกเรียกเก็บเงินในขณะที่เข้าร่วมระดับ Patreon และการชำระเงินครั้งถัดไปจะถูกเรียกเก็บเงินในวันที่ 1 ของเดือนถัดไป ดังนั้นจึงควรซื้อแพ็กในครึ่งแรกของเดือน

mlcourse.ai ไม่ควรสร้างรายได้อย่างเต็มที่ (สร้างขึ้นในชุมชน ODS.ai แบบเปิดที่ยอดเยี่ยม และจะยังคงเปิดกว้างและฟรี) แต่จะช่วยครอบคลุมค่าใช้จ่ายในการดำเนินงานบางส่วน และ Yury ยังได้ใช้ความพยายามค่อนข้างมากในการรวบรวมทั้งหมด งานที่ดีที่สุดในชุดเดียว โปรดทราบว่าการมอบหมายโบนัสต่างจากเนื้อหาหลักสูตรอื่นๆ ตรงที่มีลิขสิทธิ์ ตามธรรมเนียมแล้ว Yury ไม่เป็นไรหากคุณแชร์แพ็กกับเพื่อน 2-3 คน แต่ห้ามแชร์แพ็ก Bonus Assignments แบบสาธารณะ

แพ็กโบนัสประกอบด้วย 10 งาน โดยบางงานคุณถูกท้าทายให้เอาชนะเส้นฐานในการแข่งขัน Kaggle ภายใต้คำแนะนำอย่างละเอียด ("Alice" และ "Medium") หรือใช้อัลกอริธึมตั้งแต่เริ่มต้น - ตัวแยกประเภท stochastic การไล่ระดับสีที่มีประสิทธิภาพและการเพิ่มการไล่ระดับสี .

การแข่งขัน Kaggle

1. จับฉันถ้าคุณทำได้: การตรวจจับผู้บุกรุกผ่านการติดตามเซสชันของหน้าเว็บ Kaggle ในคลาส
2. ทำนายความนิยมของบทความสื่อ Kaggle ในคลาส
3. การทำนายผู้ชนะ DotA 2 Kaggle ในคลาส

อ้างอิง mlcourse.ai

หากคุณบังเอิญอ้างอิง mlcourse.ai ในงานของคุณ คุณสามารถใช้บันทึก BibTeX นี้:

 @misc{mlcourse_ai,
    author = {Kashnitsky, Yury},
    title = {mlcourse.ai – Open Machine Learning Course},
    year = {2020},
    publisher = {GitHub},
    journal = {GitHub repository},
    howpublished = {url{https://github.com/Yorko/mlcourse.ai}},
}

ชุมชน

คุณสามารถเข้าร่วมชุมชน Singularis.ai Slack เพื่อถามคำถามเกี่ยวกับเนื้อหาหลักสูตร ชุมชนนี้ส่วนใหญ่พูดภาษารัสเซีย แต่ยังยินดีต้อนรับคำถามเป็นภาษาอังกฤษ