|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/machine-learning-komplett/
课程评论：没有评论
课程名称：机器学习从A到Z：学习Python与R的数据科学！ 课程概述：该课程新增深度学习（神经网络）部分，使用Python、Tensorflow和Keras进行讲解。课程包含超过300节课程、测验和实践示例，是学习机器学习的最简单方法。我们将逐步介绍机器学习的基本概念，在每个部分学习一个新主题，首先理解其背后的思想，然后提供Python和R的代码示例。 参与者将通过分析实际数据来增强对机器学习的理解。课程内容包括但不限于： - 估算二手车的价值 - 编写垃圾邮件过滤器 - 乳腺癌诊断 - 创建能够理解形容词的程序 - 从图片中读取数字 所有的代码示例都提供Python和R的版本，学生可以选择适合自己的编程语言进行学习。课程结束后，学生能够将机器学习应用于自己的数据，独立做出基于数据的明智决策。 课程内容涵盖重要主题： - 回归（线性回归、多项式回归） - 分类（逻辑回归、支持向量机、朴素贝叶斯、决策树、随机森林） - 聚类 - 自然语言处理（分词、词干提取、词性标注） - 深度学习（仅限Python） 课程还将介绍模型评估、参数调优及模型比较的实用技术，如： - 主成分分析（PCA）进行维度缩减 - 数据预处理的步骤 - 超参数优化（如GridSearch） 通过可视化和图形解释，课程力求使学习过程不再枯燥。我们会使用实际项目中常见的工具（如Sklearn、NLTK、caret等）来进行学习。 本课程旨在为你提供进入机器学习世界的理想起点。
Jetzt neu: Zusätzlicher Bonus zum Thema Deep Learning (Neuronale Netze) mit Python, Tensorflow und Keras!Dieser Kurs enthält über 300 Lektionen, Quizze, Praxisbeispiele,.- der einfachste Weg, wenn du Machine Learning lernen möchtest. Schritt für Schritt bringe ich dir maschinelles Lernen bei. In jedem Abschnitt lernst du ein neues Thema - zuerst die Idee / Intuition dahinter, und anschließend den Code sowohl in Python als auch in R.Machine Learning macht erst dann richtig Spaß, wenn man echte Daten auswertet. Deswegen analysierst du in diesem Kurs besonders viele Praxisbeispiele:Schätze den Wert von GebrauchtwagenSchreibe einen Spam-FilterDiagnostiziere BrustkrebsSchreibe ein Programm, was die Bedeutung von Adjektiven lerntLese Zahlen aus Bildern einAlle Codebeispiele werden dir beiden Programmiersprachen gezeigt - du kannst also wählen, ob du den Kurs in Python, R, oder in beiden Sprachen sehen möchtest!Nach dem Kurs kannst du Machine Learning auch auf eigene Daten anwenden und eigenständig fundierte Entscheidungen treffen:Du weißt, wann welche Modelle in Frage kommen könnten und wie du diese vergleichst. Du kannst analysieren, welche Spalten benötigt werden, ob zusätzliche Daten benötigt werden, und weißt, die die Daten vorab aufbereitet werden müssen. Dieser Kurs behandelt alle wichtigen Themen:RegressionKlassifizierungClusteringNatural Language ProcessingBonus: Deep Learning (nur für Python, weil die Tools hier sehr viel ausgereifter sind)Zu allen diesen Themen lernst du verschiedene Algorithmen kennen. Die Ideen dahinter werden einfach erklärt - keine trockenen, mathematischen Formeln, sondern anschauliche, grafische Erklärungen.Wir verwenden hierbei gängige Tools (Sklearn, NLTK, caret, data.table,...), die auch für echte Machine-Learning-Projekte verwendet werden. Was lernst du alles?Regression:Lineare RegressionPolynomiale RegressionKlassifizierung:Logistische RegressionSupport Vector Machine (SVM) SVM mit Kernel (rbf, poly)Naive BayesEntscheidungsbäumeRandom ForestClusteringNatural Language ProcessingTokenizingStemmingPOS-Tagging (welchen Typ hat ein Wort?)Bonus: Deep Learning / Neuronale Netze (nur Python)Aufbau eines Neuronalen NetzesWas ist ein Neuron?TensorflowKerasZudem lernst du auch, wie du Machine Learning anwendest:Dimensionsreduktion mit der Principal Component Analysis (PCA)Lese Daten ein, und bereite sie für dein Modell vorMit vollständigem Praxisbeispiel, Schritt für Schritt erklärtFinde die besten Hyperparameter für dein Modell"Parameter Tuning"GridSearch (GridSearchCV in Python / tuneGrid in R)Vergleiche Modelle miteinander:Wie dich der Wert für die Genauigkeit eines Modells in die Irre führen kann, und was du dagegen tun kannstK-Fold Cross-ValidationBestimmtheitsmaßMein Ziel ist es, dir mit diesem Kurs den idealen Einsteig in die Welt des Machine Learnings zu bieten.
