Для себя Язык программирования - Python, библиотеки TensorFlow, Keras, PyTorch. Вводные: Изучаю для себя, для общего развития. Конечная (прикладная) цель - нейросеть для определения победителя шахматной партии (по вводным данным с датасетов database.lichess.org) Что нужно: Построить модель с описанием и комментариями, + объяснить мне вопросы, которые возникнут + консультации
Для себя На обучении дают только теорию, но не объясняют как пользоваться на практике, какие есть инструменты и функции. Хочу это узнать, ищу помощь Сейчас прошли knn, линейную регрессию, до нового года в планах лекций деревья
Для себя Основы и практика машинного обучения на примерах. Давно проходил базовый курс по Python, но забыл все. Какие-то знания наверно всплывут. Общее понимание программирования, системное мышление присутствуют.
Для работы Нужна помощь с практикой, понять как работают и используются алгоритмы ML на практике. Знаю теорию по базовым алгоритмам ML, мат. статистика и теор. вероятностей. Есть опыт работы с pandas, numpy, sql. Необходимо довести практические навыки до уровня intern, которого бы хватило для устройства на работу
Для работы Необходимо занятия для обучения data science, ML и в том числе по глубокому обучению ( машинок зрение и тп). Занятия 2-4 раза в месяц, предпочтительно оффлайн, на начале обучения, далее один раз в месяц.
Для себя Хотел бы пройти обучение с нуля с целью получить базовое представление о теме и базовые практические навыки как первая цель. Имею профессиональные навыки программирования на языках javascript и lua. Очень поверхностное владение C++. Обладаю уверенными знаниями в теории вероятности университетского уровня - прошёл полный курс обучения с репетитором по этой теме и минимальными в математической статистике.
Для себя Нужна помощь в том, чтобы продумать алгоритм, который поможет провести кластеризацию для графиков. Образно разделить множество однотипных графиков функций на несколько кластеров.
Цель занятия: Подготовка к экзамену. Topics covered • Linear regression and regularisation (via least squares and maximum likelihoo • Bayesian Inferen • Classificati • Resampling metho • Clusteri • Non-linear mode • Tree-based metho • Support Vector Machin • Random fores • Gaussian Processes
Наверстать упущенный материал Пропустила несколько первых занятий в университете, где объяснялись основы математики для компьютерной лингвистики, нужен репетитор для объяснения решения задач по темам машинного обучения для компьютерной лингвистики (линейная алгебра: операции с векторами и матрицами, линейное отображение, производные функций, функции потерь)
Для себя Ищу того, с кем можно следовать данному курсу по RL: http://cs330.stanford.edu/fall2021/index.html От вас не ожидаются доменные знания, а скорее математическая подготовка и опыт в DL/ML. Также читать статьи вида: https://arxiv.org/pdf/2006.04779.pdf https://arxiv.org/pdf/2006.09359.pdf https://arxiv.org/pdf/1910.00177.pdf Изучить архитектуры: DQN, DDPG, TD3, SAC, AWAC, CQL, TRPO, PPO
решить домашнее задание по началам Machine Learning Сделать домашнее задание. Задание дано на английском (файл .ipynb) Perceptron - digit classification: The idea is to use a perceptron for digit classification. Important: In the following we focus on the discussion if the dataset is linear separable. In particular, we will not split the dataset into training and test dataset, which have to be done in the real world. We have all helper functions: online training, batch training, plot picture function, perceptron error, perceptron class and other. Data: We are using a data set that is included in scikit learn. Task 1: Investigate which pairs of digits are linear separable. Task 2: Influence on epochs We consider only the sub datasets of a pair of digits that are linear separable (this means the one you found in Task 1). What is the influence of learning rate, shuffling, and online/batch learning on the number of needed epochs? Thereby, consider the total number of epochs for all sub datasets (this means the sum). If useful show also plots of your results. Task 3: Influence of learning rate for reduce_1_digit function. Investigate the influence of learning rate on epochs and/or convergence for all ten possible cases of reduce_1_digit. Discuss the impact of shuffling. Give also plots of your results. Task 4: Find optimal weights Consider now the case where a perceptron classifies one digit from the whole dataset. Update the online learning algorithm in a way that it returns the best weights within a given number of epochs. Use the updated algorithm to find good solutions for all the different 10 cases. Give for each case the number of wrong classifications.
Для себя Есть задание по машинному обучению на линейную регрессию, задание описано подробно. Разделено на пункты, что и как необходимо сделать. Необходимо его выполнить.
Как мне найти учеников по профилю машинное обучение в Москве?
Зарегистрируйтесь и создайте привлекательный профиль с упоминанием вашей специализации. Обратите внимание на количество доступных заявок от учеников, которое на май 2026 года составляет 72
Какие требования к преподавателям на вашем сайте?
На нашем сайте приветствуются преподаватели с любым уровнем квалификации. Мы рекомендуем указать все свои сертификаты и образование, чтобы увеличить шансы на нахождение учеников
Могу ли я установить гибкий график работы?
Вы полностью контролируете свой график и можете обсуждать его напрямую с учениками, чтобы найти удобное время для обеих сторон
Каков потенциальный заработок для репетитора машинное обучение?
Заработок зависит от количества занятий и квалификации. В среднем, за одно занятие можно заработать 650.01 рублей с занятия. Больше занятий в неделю – выше доход