Couvre la régression linéaire et logistique pour les tâches de régression et de classification, en mettant l'accent sur les fonctions de perte et la formation de modèle.
Couvre les modèles linéaires, y compris la régression, les dérivés, les gradients, les hyperplans et la transition de classification, en mettant laccent sur la minimisation des risques et des mesures dévaluation.
Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.
Introduit des modèles linéaires dans l'apprentissage automatique, couvrant les bases, les modèles paramétriques, la régression multi-sorties et les mesures d'évaluation.
Couvre les bases de l'apprentissage automatique, y compris les techniques supervisées et non supervisées, la régression linéaire et la formation des modèles.
Explore les fondamentaux de la régression linéaire, la formation des modèles, l'évaluation et les mesures du rendement, en soulignant l'importance de la R2, du MSE et de l'EAM.
Explore le risque et le rendement dans la finance, couvrant la performance des titres, les taux de rendement, la variance, la volatilité et la diversification du portefeuille.
Présente les principes fondamentaux de la théorie de l'information, de l'informatique et de la communication, couvrant la génomique, l'imagerie médicale et la technologie d'assistance.
Déplacez-vous dans l'analyse des données de survie, explorant les temps de modélisation jusqu'à ce que les événements et les applications dans divers domaines.