Machine Learning - Python & R In Data Science for Android APK

Deskrizzjoni

Kors sħiħ udemy b'xejn.

X'Se Tgħallem

Master Machine Learning fuq Python & R

Ikollok intuwizzjoni kbira ta 'ħafna mudelli ta' Tagħlim Magni

Agħmel previżjonijiet preċiżi

Agħmel analiżi qawwija

Agħmel mudelli robusti ta' Tagħlim Magni

Oħloq valur miżjud qawwi għan-negozju tiegħek

Uża l-Machine Learning għal skop personali

Immaniġġja suġġetti speċifiċi bħal Reinforcement Learning, NLP u Deep Learning

Immaniġġja tekniki avvanzati bħat-Tnaqqis tad-Dimensjonalità

Kun af liema mudell ta 'Tagħlim tal-Magni tagħżel għal kull tip ta' problema

Ibni armata ta 'mudelli ta' Tagħlim Magni b'saħħithom u taf kif tgħaqqadhom biex issolvi kwalunkwe problema

Deskrizzjoni

Interessat fil-qasam tal-Machine Learning? Imbagħad dan il-kors huwa għalik!

Dan il-kors ġie ddisinjat minn żewġ Xjentisti tad-Data professjonali sabiex inkunu nistgħu naqsmu l-għarfien tagħna u ngħinuk titgħallem teorija kumplessa, algoritmi u libreriji ta’ kodifikazzjoni b’mod sempliċi.

Aħna se nwassluk pass pass fid-Dinja tat-Tagħlim tal-Machine. Ma 'kull tutorja inti tiżviluppa ħiliet ġodda u ttejjeb il-fehim tiegħek ta' dan is-subqasam ta 'sfida iżda qligħ tax-Xjenza tad-Data.

Dan il-kors huwa pjaċevoli u eċċitanti, iżda fl-istess ħin nidħlu fil-fond fit-Tagħlim tal-Machine. Hija strutturata bil-mod li ġej:

Parti 1 - Ipproċessar minn qabel tad-Data

Parti 2 - Rigressjoni: Rigressjoni Lineari Sempliċi, Rigressjoni Lineari Multipla, Rigressjoni Polinomjali, SVR, Rigressjoni tas-Siġra tad-Deċiżjoni, Rigressjoni Random Forestali

Parti 3 - Klassifikazzjoni: Rigressjoni Loġistika, K-NN, SVM, Kernel SVM, Naive Bayes, Klassifikazzjoni tas-Siġra tad-Deċiżjoni, Klassifikazzjoni Random Forestali

Parti 4 - Clustering: K-Means, Clustering Ġerarkiku

Parti 5 - Tagħlim tar-Regoli ta' Assoċjazzjoni: Apriori, Eclat

Parti 6 - Tagħlim ta' Tisħiħ: Upper Confidence Bound, Thompson Sampling

Parti 7 - Ipproċessar tal-Lingwa Naturali: Mudell ta' borża ta' kliem u algoritmi għall-NLP

Parti 8 - Tagħlim Profond: Netwerks Neurali Artifiċjali, Netwerks Newrali Konvoluzzjonali

Parti 9 - Tnaqqis tad-Dimensjonalità: PCA, LDA, Kernel PCA

Parti 10 - Għażla tal-Mudell & Spinta: Validazzjoni Salib k-fold, Irfinar tal-Parametri, Tiftix tal-Grid, XGBoost

Barra minn hekk, il-kors huwa mimli eżerċizzji prattiċi li huma bbażati fuq eżempji tal-ħajja reali. Allura mhux biss titgħallem it-teorija, imma int se tieħu wkoll xi prattika prattika li tibni l-mudelli tiegħek stess.

U bħala bonus, dan il-kors jinkludi kemm mudelli ta’ kodiċi Python kif ukoll R li tista’ tniżżel u tuża fuq il-proġetti tiegħek stess.

Għal min hu dan il-kors:

Kull min hu interessat fit-Tagħlim tal-Machine.

Studenti li għandhom mill-inqas għarfien tal-iskola sekondarja fil-matematika u li jridu jibdew jitgħallmu Tagħlim Magni.

Kwalunkwe nies ta 'livell intermedju li jafu l-baŜi tat-tagħlim tal-magni, inklużi l-algoritmi klassiċi bħal rigressjoni lineari jew rigressjoni loġistika, iżda li jridu jitgħallmu aktar dwaru u jesploraw l-oqsma differenti kollha tat-Tagħlim tal-Magni.

Kwalunkwe nies li mhumiex daqshekk komdi bil-kodifikazzjoni iżda li huma interessati fit-Tagħlim tal-Machine u jridu japplikawh faċilment fuq settijiet tad-dejta.

Kwalunkwe student fil-kulleġġ li jrid jibda karriera fix-Xjenza tad-Data.

Kwalunkwe analisti tad-dejta li jridu jgħollu l-livell fil-Machine Learning.

Kwalunkwe nies li mhumiex sodisfatti bl-impjieg tagħhom u li jridu jsiru Xjentist tad-Data.

Kwalunkwe nies li jridu joħolqu valur miżjud għan-negozju tagħhom billi jużaw għodod qawwija ta’ Tagħlim tal-Machine.