🤖 Machine Learning: Працюємо з лінійною регресією
Курс для майбутніх
📆 Дати: червень 2024
🤩 Тривалість курсу: 4 тижні
⏱️ Розклад: буде оголошено пізніше
🥹 Тривалість заняття: 90 хвилин
🤓 Вік студентів: 14+
🚀 Кількість вільних місць: обмежена
💰 Вартість: 100 €
🎯 Останній день подачі заявки: буде оголошено пізніше
Передумови для участі
Бажання навчатись
Доступ до інтернету
Кожного дня ми прогнозуємо, навіть не помічаючи цього. Яка температура повітря буде завтра? Який гравець посяде перше місце у змаганнях з кіберспорту? Скільки переглядів набере відео у TikTok наприкінці тижня?
У цьому курсі ми навчимося прогнозувати використовуючи одну з найпопулярніших класичних моделей машинного навчання - лінійну регресію. Ми розберемося як підганяти таку модель на основі даних та які важливі висновки можна зробити інтерпретуючи результати.
Результати навчання
Що наші студенти будуть вміти після проходження цього курсу
💹 Прогнозувати числові ряди
✍️ Робити висновки на основі коефіцієнтів
🔍 Оцінювати коефіцієнти
🧐 Критично інтерпретувати результати
📈 Прогнозувати за допомогою лінійної регресії
Навчальна програма
📈 Працюємо з простою лінійною регресією
- Розбираємось з компонентами моделі
- Оцінюємо коефіцієнти за допомогою методу найменших квадратів
- Інтерпретуємо значення коефіцієнтів та прогнозуємо
Розширяємо модель незалежними змінними 🔌
- Оцінюємо коефіцієнти
- Порівнюємо моделі
- Інтерпретуємо значення коефіцієнтів та прогнозуємо
📐 Трансформуємо змінні
- Кодуємо категоріальні ознаки за допомогою фіктивних змінних
- Трансформуємо та створюємо нові незалежні змінні
- Трансформуємо залежні змінні
Використовуємо лінійну регресію для числових рядів ⏱️
- Розглядаємо авторегресійну модель
- Визначаємо порядок авторегресійної моделі
- Прогнозуємо значення авторегресійної моделі
Технології
🐍 Python
📝 Google Colaboratory
🎓 scikit-learn
Питання та відповіді
Цей курс для майбутніх 🧑💻 розробників, 👷 комп'ютерних інженерів, 🦸 стартаперів, 🧑🔬 вчених, 🧑💼 фінансистів та 🧑🍳 підприємців.
Machine learning, з англійської машинне навчання - це галузь дослідження, яка надає комп'ютерам 🖥️ можливість навчатись 🎓 (на основі даних) без явного програмування. Іншими словами, machine learning фокусується на розробці алгоритмів та моделей, які можуть навчитись на основі даних. Класичним прикладом використання machine learning є спам-фільтри - системи, які класифікують електронні листи ✉️ на спам та звичайні листи. Замість терміну machine learning часто використовують його абревіатуру ML (англійською) та МН (українською).
Лінійна регресія - це 😎 найпопулярніша класична модель не тільки machine learning, а також статистики та економіки. Ця модель використовується скрізь - її дуже легко тренувати 🏋️, пояснювати та інтерпретувати 🧑🏫 через її простоту та інтуїтивність.
Ми опануємо усі аспекти моделі лінійної регресії: з чого вона складається, як її тренувати 🏋️, як інтерпретувати 🧑🏫 і найголовніше - як прогнозувати 💹. Ця модель також є основою для авторегресії - моделі яка використовуюється у часових рядах ⏱️.
Не так багато: (1) бажання навчатись ✊ та (2) доступ до інтернету 📡. Зручніше цей курс проходити на комп'ютері 💻, але з певною справністю можна і зі смартфона 📱. Ми не вимагаємо англійської 🇬🇧 - тим термінам, які знадобляться, ми навчимо.
Математики буде багато 🤓. Але це буде не та математика, яка вивчається у школі. Вона буде простою та інтуїтивною - на рівні додавання ➕ та множення ✖️ чисел. Ми в свою чергу зробимо все, щоб це було цікаво 😲.
Ні, вміти програмувати 🧑💻 не потрібно, але ми звісно будемо писати маленькі програми. Все що вам знадобиться - ми або навчимо на занятті 🧑🏫, або вишлемо завчасно у вигляді відео-лекції/конспекту з нашої 📕 безкоштовної книги.
Більше інформації стосовно адміністративних моментів ви знайдете за цим посиланням. Якщо у вас виникли будь-які інші питання - напишіть нам за адресою support@trye.io і ми з радістю відповімо на них.