1. Введение в машинное обучение. MS Azure
2. Python
3. Метод главных компонент
4. Регрессия
5. Задача классификации: k-NN и наивный байесовский классификатор
6. Задача классификации: логистическая регрессия
7. Задача классификации: метод опорных векторов
8. Задача классификации: деревья принятия решений
9. Кластеризация
10. Ансамблевые методы
11. Обучение с подкреплением
1. Введение в машинное обучение и анализ данных
2. Python
3. Метод главных компонент
4. Регрессия
5. Задача классификации: k-NN и наивный байесовский классификатор
6. Задача классификации: логистическая регрессия
7. Задача классификации: метод опорных векторов
8. Задача классификации: деревья принятия решений
9. Кластеризация
10. Ансамблевые методы
11. Обучение с подкреплением
12. Понятие полносвязной сети
13. Перцептрон. Многослойные НС
14. Инструменты обучения НС
15. Сверточные НС
16. Рекуррентные НС