상품 설명

머신 러닝은 오늘날 데이터 분석에서 가장 흥미로운 직업의 기초입니다. 모델과 방법을 배우고 유행하는 뉴스 주제 식별부터 추천 엔진 구축, 스포츠 팀 순위 지정 및 영화 좀비의 경로 플로팅에 이르기까지 실제 상황에 적용합니다. 다루는 주요 관점은 다음과 같습니다. 확률 적 대 비 확률 적 모델링 감독 된 대 비지도 학습 주제에는 분류 및 회귀, 클러스터링 방법, 순차 모델, 매트릭스 분해, 주제 모델링 및 모델 선택이 포함됩니다. 방법에는 선형 및 로지스틱 회귀, 서포트 벡터 머신, 트리 분류기, 부스팅, 최대 가능성 및 MAP 추론, EM 알고리즘, 은닉 마르코프 모델, 칼만 필터, k- 평균, 가우스 혼합 모델 등이 포함됩니다. 과정의 전반부에서는 회귀 및 분류를위한지도 학습 기술을 다룹니다. 이 프레임 워크에서 우리는 일련의 입력을 기반으로 예측하려는 출력 또는 응답을 보유합니다. 이 작업을 수행하는 몇 가지 기본 방법과 최적화를위한 알고리즘에 대해 설명합니다. 우리의 접근 방식은보다 실질적으로 동기를 부여 받게 될 것입니다. 즉, 각 알고리즘에 대한 수학적 이해를 완전히 개발할 것이지만 추상 학습 이론에 대해서는 간략히 설명하겠습니다. 과정의 후반부에서는 비지도 학습 기술로 전환합니다. 이러한 문제에서 최종 목표는 해당 입력을 기반으로 출력을 예측하는 것보다 덜 명확합니다. 비지도 학습의 세 가지 근본적인 문제인 데이터 클러스터링, 행렬 분해, 순서 종속 데이터에 대한 순차 모델을 다룰 것입니다. 이러한 모델의 일부 응용 프로그램에는 개체 추천 및 주제 모델링이 포함됩니다.

가격: 무료 감사!

기계 학습 -