Собрать воедино все части проекта по машинному обучению бывает весьма непросто. В этой серии статей мы пройдём через все этапы реализации процесса машинного обучения с использованием реальных данных, и узнаем, как сочетаются друг с другом различные методики. В первой статье мы очистили и структурировали данные, провели разведочный анализ, собрали набор признаков для использования в модели и установили базовый уровень для оценки результатов. С помощью этой статьи мы научимся реализовывать на Python...

Изучая направления переподготовки, я остановился на теме обучения нейросетей на Python. Мне, как студенту с базовыми знаниями программирования, особенно интересны курсы, где можно научиться создавать нейросети с нуля, понять алгоритмы машинного обучения, освоить искусственные нейронные сети и научиться использовать библиотеку TensorFlow. Именно Python — язык, с которого проще всего начать, особенно с актуальными версиями Python. Лично мне важно, чтобы курс включал практические задачи, демонстрацию на простых нейросетях, а затем переход к созданию сложных моделей...