Classic ML, Deep Learningga kirish

Kurs haqida

Kurs mashinali o'rganish bo'yicha uzluksiz tushunchani shakllantiradi — regressiya va SVM dan tortib, konvolyutsion va rekurrent tarmoqlargacha. Umumlashtirish nazariyasi, bias-variance tradeoff va modellarni to'g'ri validatsiya qilishga alohida e'tibor beriladi. Kurs dasturning barcha keyingi fanlari uchun umumiy til va eksperimental bazani shakllantiradi.

Nimalarni o'rganasiz

✓Giperparametrlarning asoslangan tanlovi bilan klassik ML modellarini qurish va validatsiya qilish

✓Har bir o'qitish komponentining rolini tushungan holda neyron tarmoqlarni noldan amalga oshirish

✓Underfitting va overfittingni aniqlash hamda mos regularizatsiya texnikalarini qo'llash

✓Algoritmlarni nazariy va empirik umumlashtirish xususiyatlari bo'yicha solishtirish

Asosiy mavzular

•Chiziqli va logistik regressiya; regularizatsiya (Ridge, Lasso, ElasticNet)

•Sifat metrikalari: klassifikatsiya, regressiya, ranking

•Qaror daraxtlari, ansambl usullari (Random Forest, Gradient Boosting)

•SVM va yadro usullari

•Umumlashtirish nazariyasi: VC-o'lcham, PAC-o'rganish

•Xatoni orqaga tarqatish (backprop) va avtomatik differensiallash

•Konvolyutsion neyron tarmoqlar (CNN): arxitekturalar, pooling, transfer learning

•Rekurrent tarmoqlar (RNN, LSTM, GRU)

•Normalizatsiya (Batch Norm, Layer Norm), Dropout, erta to'xtatish

Ushbu tavsif avtomatik tarzda yaratilgan va hali o'qituvchi tomonidan tekshirilmagan — bu muhokama uchun qoralama.

Kurs haqida

Nimalarni o'rganasiz

Asosiy mavzular

Fikr-mulohaza