Учебник по машинному обучению Введение в машинное обучение Дорожная карта изучения машинного обучения Жизненный цикл машинного обучения Как работает машинное обучение Основные термины в машинном обучении Введение в машинное обучение на Python Библиотеки машинного обучения Python Распространённые типы данных Применения машинного обучения

Обработка данных и статистика

Понимание данных Очистка данных Инженерия признаков Визуализация данных Разделение на обучающую и тестовую выборки Основы статистики Вероятностное мышление Функции потерь и градиенты Переобучение, недообучение, смещение и дисперсия

Обучение с учителем

Алгоритмы машинного обучения Линейная регрессия Множественная линейная регрессия Полиномиальная регрессия Логистическая регрессия Оценка регрессионной модели Дерево решений Метод опорных векторов Алгоритм K-ближайших соседей Ансамблевое обучение Наивный Байес Случайный лес Метрики классификации

Обучение без учителя

Кластеризация Снижение размерности

Обучение с подкреплением

Базовые основы обучения с подкреплением Обучение с подкреплением: исследование против использования Обучение с подкреплением: Q-learning и SARSA Глубокое обучение с подкреплением

Глубокое обучение

Базовая структура нейронных сетей Прямое и обратное распространение Глубокое обучение против традиционного машинного обучения Распространённые типы сетей

Оптимизация моделей и инженерия

Кросс-валидация Регуляризация Утечка данных Ансамблевый метод Поиск гиперпараметров Концепции MLOps Общие советы по устранению неполадок

Ограничения и границы машинного обучения

Проблемы интерпретируемости Ограничения предположений Смещение данных Реальная стоимость моделей

Практические примеры

Прогнозирование выживания на Титанике Прогнозирование цен на дома Машинное обучение - Сегментация клиентов Визуализация PCA Примеры обучения с подкреплением