Practical Machine Learning: Foundations to Neural Networks

Olasılık ve istatistik kullanarak öğrenme görevlerini titizlikle formüle etme, Bayesçi ve sıkılıkçı (frequentist) perspektifleri ayırt etme, regresyon ve sınıflandırma için doğrusal modeller oluşturma, Maksimum Olabilirlik Tahmini (MLE) aracılığıyla en uygun model parametrelerini tahmin etme ve yapay sinir ağlarını pratik problemlere uygulama becerilerini geliştireceksiniz. Bu seri, temel yöntemlerden gerçek dünyadaki yapay sinir ağı uygulamalarına doğru ilerlemektedir. Bu uzmanlığın sonunda katılımcılar şunları yapabilecektir: Olasılık ve istatistik fikirlerini kullanarak öğrenme görevlerini matematiksel bir titizlikle ifade etmek. Bayesçi ve sıkılıkçı perspektifleri analiz etmek ve bu bakış açılarını makine öğrenimi görevlerine mantıklı stratejilerle yaklaşmak için kullanmak. Bir modelin en uygun parametrelerini bulmak için Maksimum Olabilirlik Tahmini (MLE) uygulamak. Regresyon ve sınıflandırma için doğrusal modeller oluşturmak. Belirli regresyon ve sınıflandırma görevlerinin ihtiyaçlarına göre uyarlanmış yapay sinir ağları tasarlamak ve uygulamak. Yapay sinir ağları teorisini model oluşturmaya uygulamak.