|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/machine-learning-e-data-science-com-python-y/
课程评论：没有评论
课程名称：从A到Z的Python机器学习与数据科学 概述：机器学习和数据科学领域是当今人工智能工作中最相关的领域之一，负责利用智能算法使计算机通过数据库学习。在美国和多个欧洲国家，机器学习市场正在快速增长；预计在巴西，这类专业人士的需求也会日益增加。甚至一些研究表明，掌握这一领域的知识将很快成为信息技术专业人士的先决条件。数据科学家已被多个国际媒体认定为“第一职业”。本课程提供理论与实践相结合的全面视角，涵盖Python中机器学习的主要算法，Python是这一领域最重要的编程语言之一。此外，我们将使用Google Colab实现示例，这有助于理解概念并避免库安装问题。本课程被称为“从A到Z”，因为它从基础概念讲解到高级技术，使您在课程结束时掌握解决复杂问题所需的所有工具。您将逐步学习每个算法的理论和实践。课程分为五个主要部分： 1. **分类** - 数据预处理、朴素贝叶斯、决策树、随机森林、规则、逻辑回归、支持向量机(SVM)、人工神经网络、算法评估及分类器组合与拒绝。 2. **回归** - 简单与多重线性回归、多项式回归、决策树、随机森林、支持向量回归(SVR)和人工神经网络。 3. **关联规则** - Apriori和ECLAT算法。 4. **聚类** - k均值、层次聚类和DBSCAN。 5. **补充主题** - 通过PCA、KernelPCA和LDA进行降维，异常值检测，强化学习，自然语言处理，计算机视觉，处理不平衡数据，特征选择和时间序列预测。 一些将实施的案例研究包括： - 创建动态图表以可视化数据库 - 根据财务历史预测个人是否会还款 - 根据个人数据预测薪资 - 根据年龄预测医疗保险价格 - 根据各种因素预测房价 - 生成关联规则以构建市场货架 - 根据信用卡使用情况对相似客户进行聚类 - 使用强化学习模拟出租车服务 - 通过自然语言处理进行情感分类 - 面部检测、面部识别和对象跟踪 - 使用时间序列预测网站访客流量 本课程旨在为所涉及技术提供参考，力求覆盖机器学习的绝大部分主题，适合各个水平的学习者，无论是经验丰富的学生的参考还是刚入门者的优秀指南。
A área de Machine Learning (Aprendizagem de Máquina) e Data Science (Ciência de Dados) é atualmente um dos campos de trabalho mais relevantes da Inteligência Artificial, sendo responsável pela utilização de algoritmos inteligentes que tem a função de fazer com que os computadores aprendam por meio de bases de dados. O mercado de trabalho de Machine Learning nos Estados Unidos e em vários países da Europa está em grande ascensão; e a previsão é que no Brasil cada vez mais esse tipo de profissional seja requisitado! Inclusive alguns estudos apontam que o conhecimento dessa área será em breve um pré-requisito para os profissionais de Tecnologia da Informação! E dentro deste contexto está o cientista de dados, que já foi classificado como o trabalho "número 1" por vários veículos da mídia internacional.E para levar você até essa área, neste curso completo você terá uma visão teórica e prática sobre os principais algoritmos de machine learning utilizando o Python, que é uma das linguagens de programação mais relevantes nesta área. Além disso, vamos utilizar o Google Colab para a implementação dos exemplos, o que facilita o entendimento dos conceitos e evita problemas de instalação de bibliotecas. Este curso é considerado de A à Z pelo fato de apresentar desde os conceitos mais básicos até técnicas mais avançadas, de modo que ao final você terá todas as ferramentas necessárias para construir soluções complexas e que podem ser aplicadas em problemas do dia-a-dia das empresas! Você aprenderá tudo passo a passo, ou seja, tanto a teoria quanto a prática de cada algoritmo! O curso é dividido em cinco partes principais:Classificação - pré-processamento dos dados, naïve bayes, árvores de decisão, random forest, regras, regressão logística, máquinas de vetores de suporte (SVM), redes neurais artificiais, avaliação de algoritmos e combinação e rejeição de classificadoresRegressão - regressão linear simples e múltipla, polinomial, árvores de decisão, random forest, vetores de suporte (SVR) e redes neurais artificiaisRegras de associação - algoritmos Apriori e ECLATAgrupamento - k-means, agrupamento hierárquico e DBSCANTópicos complementares - redução de dimensionalidade com PCA, KernelPCA e LDA, deteção de outliers, aprendizagem por reforço, processamento de linguagem natural, visão computacional, tratamento de dados desbalanceados, seleção de atributos e previsão de séries temporaisVeja abaixo alguns dos estudos de caso que serão implementados:Criação de gráficos dinâmicos para visualização de bases de dadosPrevisão se uma pessoa pagará um empréstimo baseado no histórico financeiroPrevisão do salário de uma pessoa levando em consideração seus dados pessoaisPrevisão do preço do plano de saúde baseado na idadePrevisão do preço de casas considerandoGeração de regras de associação para compor prateleiras de mercadoAgrupamento de clientes simulares considerando dados sobre o uso do cartão de créditoSimulação de um táxi utilizando aprendizagem por reforçoClassificação de sentimentos em textos com processamento de linguagem naturalDetecção de faces, reconhecimento facial e rastreamento de objetosPrevisão de visitas a websites com séries temporaisEste curso tem o objetivo de servir como um referencial de consulta sobre as técnicas abordadas, por isso ele procura cobrir a maior parte dos assuntos que envolvem machine learning. Este curso pode ser categorizado para todos os níveis, pois pode servir de base para consulta para alunos mais experientes no assunto e também um ótimo guia para quem está iniciando na área!
