Введение в Машинное обучение для Java-разработчиков

1) Задачи ML. Парадигма MapReduce
2) Hadoop и MapReduce
3) MapReduce - продолжение
4) Spark
5) Spark(часть 2)
6) Scala
7) Spark(часть 3)
8) Spark(часть 4)
9) Spark MLlib

https://www.youtube.com/playlist?list=PLrCZzMib1e9puUZUQteMAaeD-t3Jt1TTZ

#video #ai

Машинное обучение. МФТИ.

Лекция 1. Временные ряды: введение.
Лекция 2. Экспоненциальное сглаживание
Лекция 3. ARMA/ARIMA.
Доп. главы-4. Композиции алгоритмов,Иерархическое прогнозирование, Нейронные сети
Доп. главы. Лекция 5. Методы обучения ранжированию.
Доп. главы. Лекция 7. Тематическое моделирование
Доп.главы. Лекция 8. RL. Введение. Эволюционные алгоритмы
Доп. главы. Лекция 9. RL. Temporal Difference
Доп. главы. Лекция 10. Approximate reinforcement learning

https://www.youtube.com/playlist?list=PLys0IdlMg6XdbNrNRwBwiOxmZszzokZ9s

#video #ai

Нейронные сети на Python.

Нейронные сети: краткая история триумфа
1: Структура и принцип работы полносвязных нейронных сетей
2: Персептрон - возможности классификации образов, задача XOR
3: Back propagation - алгоритм обучения по методу обратного распространения
4: Ускорение обучения, начальные веса, стандартизация, подготовка выборки
5: Переобучение - что это и как этого избежать, критерии останова обучения
6: Функции активации, критерии качества работы НС
7: Keras - установка и первое знакомство

https://www.youtube.com/playlist?list=PLA0M1Bcd0w8yv0XGiF1wjerjSZVSrYbjh

#video #ai