|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/6-pthfaw/
课程评论：没有评论
本课程名为“6-pthfaw”，是一门专为非计算机专业的办公室职场人士设计的Python入门课程。课程强调易于理解的解释和陪伴式实操，旨在帮助学员通过学习Python来提高工作效率。 **课程总时长为10小时，分为三个主要模块：** 1. **1.5小时的Pandas实战应用：** * 学习Pandas的核心概念，包括数据查看、列/行/索引操作、排序、过滤（实现COUNTIF, SUMIF功能）、数据保存、分组（groupby）、应用（apply）、合并（concat, merge）等。 * 通过实战案例学习，包含5个职场实用场景练习。 * **先修要求：** 建议先学习免费的“30分钟完成简单有趣的Python基础”。 2. **2.5小时的网络爬虫实战应用：** * 学习网络爬虫（抓取）的基本概念，并进行实操。 * 内容包括：robots.txt，requests库，HTML基础，Beautifulsoup（find, find_all, get_text），正则表达式（Regex, findall），以及使用Selenium进行模拟操作（菜单点击、下拉框选择、JavaScript执行、处理弹窗、键盘输入）。 3. **6小时的机器学习实战应用：** * 本模块是课程的升华，教授机器学习的基本概念和实操。 * **核心概念：** * 机器学习分类（回归、分类）。 * 机器学习流程，特征（Feature）与标签（Label）。 * 数据采样（欠采样、过采样）。 * 特征缩放器（Standard Scaler, MinMax Scaler）。 * 模型拟合问题（欠拟合、过拟合）。 * 训练集和测试集。 * 预处理概念（Fit, Transform）、替换（Replace）、标签编码（LabelEncoder）、独热编码（get\_dummies, Sklearn, Array, Sparse matrix）、Column Transformer。 * 线性回归（概念、损失函数、RMSE, R square）、正则化模型（Lasso, Ridge, ElasticNet）、SGD Regressor（学习率、梯度下降）。 * 处理不平衡数据：欠采样（Random Undersampler, Nearmiss）、过采样（Random Oversampler, SMOTE, Boarderline Smote）。 * 逻辑回归（概念、Sigmoid、OVR, Multinomial）、超参数。 * 评估指标：准确率（Accuracy Score）、精确率（Precision Score）、召回率（Recall Score）、F1分数。 * 支持向量机（SVM）概念：支持向量、超平面、间隔、软间隔、C参数、核函数（linear, poly, rbf）、gamma参数。 * 决策树和随机森林理论。 * 训练/测试集划分问题、交叉验证、网格搜索（GridSearchCV, HalvingGridSearchCV）、管道（Pipeline）。 * K-Means聚类。 **课程理念：** 只学习真正需要的内容，相信非计算机背景的学员也能学会。
사무직 직장인 여러분 여러분이 찾던 코딩강의 여기 있습니다.이해하기 쉬운 설명 + 함께 타이핑하는 실습으로 재밌게 배우고 업무시간을 줄여봐요.----------주위에서 코딩이 중요하다, 파이썬이 대세다 이런 말 많이 들어보셨죠? 회사에서도 자기계발로 필요하다고 교육 들으셨던 경험도 있으셨을거고요. 하지만 두꺼운 전공책처럼 이해하기 어려운 내용들만 나와서 이건 내 길이 아니다 라고 금방 그만 두셨던 경험도 분명 있으셨을거라고 생각합니다. 그래서 준비했습니다. 컴퓨터 비전공 사무직 직장인 여러분들의 입장에서 필요한 것만 쉽게 배우는 파이썬 강의입니다. 어떻게 믿냐고요? 제가 바로 그 컴퓨터 비전공 사무직 직장인입니다.-----------무료 강의인 -쉽고 재밌는 파이썬 기초 30분 완성듣고 오세요!-----------이 강의는 총 10시간(1.5+2.5+6)으로 이루어져 있습니다!- 실전예제로 배우는 1.5시간 판다스 이 강의는 엑셀과 유사한 작업을 할 수 있지만 엑셀보다 더 재밌는 판다스 강의입니다.판다스 여러 명령어의 개념을 배우고 직접 실습합니다.실제로 회사에서 사용할만한 실전문제도 5개 준비되어 있습니다.※ 판다스 강의 들으신 후 무료강의인 '실전예제로 더하는 파이썬/판다스 플러스 알파' 듣고 오세요!- 실전예제로 배우는 2.5시간 크롤링크롤링(스크레이핑)의 개념을 배우고 직접 실습합니다.- 실전예제로 배우는 6시간 머신러닝이 강의는 지금까지 배운 것들의 피날레가 될 강의입니다.머신러닝의 개념을 배우고 직접 실습합니다.-----------필요한 것만 배우겠습니다. 여러분도 하실 수 있습니다!-----------판다스 배우는 개념:데이터 확인컬럼, 로우, 인덱스정렬필터 파이썬에서 COUNTIF, SUMIF 실행하기저장하기groupbyapplyconcatmerge크롤링 배우는 개념:robots.txtrequestsHTML 배우기Beautifulsoup (find, find_all, get_text)Regular Expressions (Regex) (findall)셀레늄 메뉴 클릭셀레늄 드랍박스 셀레늄 자바스크립트셀레늄 팝업창셀레늄 키입력머신러닝 배우는 개념:머신러닝의 분류(Regression, Classification)머신러닝의 절차Feature와 Label샘플링(Undersampling, Oversampling) 스케일러(Standard Scaler, MinMax Scaler)Fitting(Underfitting, Overfitting)Train Set, Test SetPreprocessing 컨셉(Fit, Transform)Replace, LabelEncoder원핫인코딩(get_dummies)원핫인코딩(Sklearn, Array, Sparse matrix)Column Transformer(make_column_transformer)Linear Regression 개념(Loss Function, RMSE, R square)Regularization 모델(Lasso, Ridge, ElasticNet)SGD Regressor (Learning Rate, Gradient Descent)Undersampling 개념(Random Undersampler, Nearmiss)imbalanced learn Nearmiss 실습 중 NaN 값 처리하기Oversampling 개념(Random Oversampler, SMOTE, Boarderline Smote)Logistic Regression 컨셉(Sigmoid) OVR, Multinominal (Activation, Optimization, Probability)Hyperparameter (solver, multi_class)Accuracy ScorePrecision ScoreRecall ScorePrecision VS RecallF1 ScoreSVM 개념Support Vector, Hyperplane, Margin, Soft margin, C커널(kernel, linear, poly, rbf)감마(gamma)Decision Tree 이론Random Forest Classifier 이론 (oob score)Train/Test Split의 문제점Cross-validation ScoreGridSearchCVHalvingGridSearchCV Pipeline Kmeans Clustering----------
