Лекция 2. Нейронные сети в регрессионных задачах
Обучение нейронной сети прямого распространения. Метод скорейшего спуска. Формулы для поправок весов при обучении нейронной сети. Задача распознавания цен квартир в Бостоне.
Лекция №2 в курсе "Анализ данных на R в примерах и задачах, часть 2" (весна 2017).
Преподаватель курса: Вадим Леонардович Аббакумов
Страница лекции на сайте CS центра:https://goo.gl/m6NV6r
https://www.youtube.com/watch?v=orgXajB6z58&list=PLlb7e2G7aSpTh7pQG8ek1Uv5-zatv84vY
Видео Лекция 2. Нейронные сети в регрессионных задачах канала Computer Science Center
Лекция №2 в курсе "Анализ данных на R в примерах и задачах, часть 2" (весна 2017).
Преподаватель курса: Вадим Леонардович Аббакумов
Страница лекции на сайте CS центра:https://goo.gl/m6NV6r
https://www.youtube.com/watch?v=orgXajB6z58&list=PLlb7e2G7aSpTh7pQG8ek1Uv5-zatv84vY
Видео Лекция 2. Нейронные сети в регрессионных задачах канала Computer Science Center
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
Как найти сумму ряда?Продвинутый LaTeX: как написать свой шаблонЛекция 15. Байт-код и сборка мусораЛекция 14. Что внутри Java?Лекция 13. Конкурентные коллекции. Аннотации12. Байесовский подходЛекция 12. Примитивы синхронизации и конкурентные коллекции11. Тысяча и один способ выстрелить себе в ногу, проверяя гипотезыЛекция 11. Многопоточность в JavaЛекция 10. Ввод-вывод10. Линейная регрессия9. Дисперсионный анализ. Корреляционный анализ. Линейная регрессияЛекция 9. Stream API Терминальные операции и коллекторы8. Гипотезы согласия. Гипотезы однородности. A/B тестыЛекция 8. Элементы функционального программирования. Stream API7. Простая гипотеза и простая альтернатива. Гипотезы о характеристикахЛекция 7. Map, hashcode, компараторы6. Проверка гипотез: основыЛекция 6. Обобщенные типы и коллекции5. М-оценки. Робастность. ЭффективностьЛекция 5. Исключения, try-catch, обобщенные типы