Maschinelles Lernen mit Python: von linearen Modellen zu tiefem Lernen

Beschreibung

Methoden des maschinellen Lernens werden häufig in Ingenieurwissenschaften und Naturwissenschaften eingesetzt, von Computersystemen bis hin zur Physik. Darüber hinaus verwenden kommerzielle Websites wie Suchmaschinen, Empfehlungssysteme (z. B. Netflix, Amazon), Werbetreibende und Finanzinstitute Algorithmen für maschinelles Lernen zur Inhaltsempfehlung, zur Vorhersage des Kundenverhaltens, der Compliance oder des Risikos. Als Disziplin versucht maschinelles Lernen, Computerprogramme zu entwerfen und zu verstehen, die aus Erfahrungen zum Zweck der Vorhersage oder Kontrolle lernen. In diesem Kurs lernen die Teilnehmer Prinzipien und Algorithmen kennen, mit denen Trainingsdaten in effektive automatisierte Vorhersagen umgewandelt werden können. Wir werden behandeln: Repräsentation, Überanpassung, Regularisierung, Generalisierung, VC-Dimension; Clustering, Klassifizierung, Empfehlungsprobleme, probabilistische Modellierung, verstärkendes Lernen; Online-Algorithmen, Support-Vektor-Maschinen und neuronale Netze / Deep Learning. Die Schüler werden die Algorithmen in mehreren Python-Projekten implementieren und damit experimentieren, die für verschiedene praktische Anwendungen entwickelt wurden. Dieser Kurs ist Teil des MITx MicroMasters-Programms für Statistik und Datenwissenschaft. Beherrschen Sie die Fähigkeiten, die erforderlich sind, um ein informierter und effektiver Praktiker der Datenwissenschaft zu sein. Sie werden diesen und drei weitere Kurse von MITx in einem ähnlichen Tempo und mit einer ähnlichen Genauigkeit wie ein On-Campus-Kurs am MIT absolvieren und anschließend eine praktisch beaufsichtigte Prüfung ablegen, um Ihre MicroMasters zu erwerben, eine akademische Qualifikation, die Ihre Kenntnisse in beweist Data Science oder beschleunigen Sie Ihren Weg zu einem MIT PhD oder einem Master an anderen Universitäten. Um mehr über dieses Programm zu erfahren, besuchen Sie bitte https://micromasters.mit.edu/ds/. Wenn Sie spezielle Fragen zu diesem Kurs haben, wenden Sie sich bitte an atsds-mm@mit.edu.