На курсе «Введение в машинное обучение» обновления: уже можно пройти модули «Оценка качества модели» и «Подбор оптимальных параметров модели».
Оценка качества – один из ключевых этапов создания модели машинного обучения. Она показывает, научилась ли модель решать поставленную задачу и насколько хорошо она это делает.
В модуле, посвященном этому этапу, ученики узнают, что такое метрика качества, почему при оценке качества работы модели возникает погрешность и как ее оценивать.
Модуль «Подбор оптимальных параметров модели» расскажет о таких методах оптимизации, как дихотомия и имитация отжига, а также самом популярном для обучения моделей методе – градиентном спуске.
У учеников будет возможность применить полученные знания на практике – например, реализовать метод имитации отжига, один из алгоритмов поиска минимального значения какой-либо функции. Подобные алгоритмы называются методами оптимизации и используются при обучении моделей машинного обучения.
Также в модулях есть задачи на программирование на Python. Они помогут лучше понять темы курса.
Автор курса – Александр Владимирович Садовников, руководитель отдела аналитики АНО «Сириус.Курсы», преподаватель программы «Большие вызовы» Образовательного центра «Сириус». Преподавал программирование на факультете информационных технологий и программирования Университета ИТМО и в Санкт-Петербургской школе физико-математических и компьютерных наук НИУ ВШЭ.
Новые модули на курсе «Введение в машинное обучение» появляются еженедельно. В каждом ученики найдут видеолекции с краткими конспектами, упражнения с автоматической проверкой и продвинутые задачи для самостоятельного решения – они посложнее и сопровождаются видеоразбором. Применить полученные знания можно, реализуя проект по машинному обучению.
После успешного завершения курса ученики получают электронный сертификат. Этот курс – часть большого проекта «Сириуса» по обучению технологиям искусственного интеллекта. В рамках проекта ученикам предлагается пройти онлайн-курсы по математике, программированию и искусственному интеллекту. Подробнее о проекте можно узнать здесь.
