Навчальний курс "STATISTICAL LEARNING" від STANFORD UNIVERSITY
Курс: Stanford University: Statistical Learning, пропонує:
вивчити деякі з основних інструментів, що використовуються у статистичному моделюванні та науці про дані. Курс охоплює як традиційні, так і нові захоплюючі методи, а також те, як їх використовувати в R. Матеріал курсу оновлений у 2021 році для другого видання підручника курсу.
Про цей курс
Це вступний курс з навчання під керівництвом викладача, який зосереджується на методах регресії та класифікації. Програма включає: лінійну та поліноміальну регресію, логістичну регресію та лінійний дискримінантний аналіз; перехресну перевірку та бутстреп, методи вибору та регуляризації моделей (гребінь та ласо); нелінійні моделі, сплайни та узагальнені адитивні моделі; деревоподібні методи, випадкові ліси та бустінг; машини опорних векторів; нейронні мережі та глибоке навчання; моделі виживання; множинне тестування. Обговорюються деякі методи неконтрольованого навчання: головні компоненти та кластеризація (k-середні та ієрархічні).
Це не складний математичний курс, тому розробники курсу намагалися описати методи без великої залежності від формул і складної математики. Обчислення виконуються мовою R. Є лекції, присвячені R, які дають навчальні посібники з нуля і переходять до більш детальних занять, які реалізують методи, описані в кожному розділі.
Лекції охоплюють весь матеріал книги "Вступ до статистичного навчання із застосуванням R" (друге доповнення) Джеймса, Віттена, Хасті та Тібшірані (Springer, 2021). PDF-файл цієї книги можна безкоштовно завантажити на сайті видання.
Що Ви дізнаєтесь:
- Огляд статистичного навчання
- Лінійна регресія
- Класифікація
- Методи передискретизації
- Вибір та регуляризація лінійної моделі
- Вихід за межі лінійності
- Деревоподібні методи
- Машини опорних векторів
- Глибоке навчання
- Моделювання виживання
- Навчання без нагляду
- Багаторазове тестування





