|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/machine-learning-w-pythonie-101/
课程评论：没有评论
Coursera 上的 "Python 机器学习：基础、感知器与回归" 课程概述 本课程是 Python 系列课程的一部分，适合已有编程知识且处理过数据的学习者。即使您对机器学习一无所知，本课程也会从零开始讲解模型、预测、机器学习等基本概念。 课程强调实践，每节课都包含理论讲解、小测验和实践练习，所有练习都有详细解答。您将深入理解算法背后的直觉，并学习支撑这些直觉的数学原理（无需深入微积分或矩阵运算）。 课程特色： * **从零开始**：详细解释机器学习的基本概念。 * **实践导向**：大量编程练习，涵盖从基础数学库 Numpy 的使用到实际的机器学习问题。 * **深入理解**：从头实现算法，再展示如何使用 Scikit-Learn 等库。 * **真实数据**：使用钻石价格、房价、葡萄酒质量、脑容量、疾病发病率、形状和数字识别等真实数据集。 * **聚焦核心**：重点讲解感知器（神经网络的基础）和线性回归家族算法（Adaline, RANSAC, Lasso, Ridge, Elastic Net）。 * **双语教学**：课程内容以您的母语授课，并提供母语的练习和代码。 学完本课程，您将能够： * 用自己的话解释机器学习的概念，区分监督学习和无监督学习。 * 详细了解单个神经元的工作原理并应用于解决问题。 * 熟练使用 Adaline, RANSAC, Lasso, Ridge, Elastic Net 等不同的线性回归方法。 * 进行数据分析、清洗和缺失值处理。 * 准备机器学习数据，包括划分训练集和测试集以及数据缩放。 * 理解数据缩放和划分训练/测试集的具体操作。 本课程是迈向机器学习工程师职业生涯的重要一步。如果您对机器学习和人工智能感兴趣，希望积极参与而非被动旁观，欢迎加入本课程。现在是学习机器学习的绝佳时机，不要犹豫，立即行动！
Ten kurs wchodzi w skład serii kursów o Pythonie. Wybierz właściwy, zależnie od stopnia znajomości Pythona i zainteresowań:Python dla początkującychMyślenie algorytmiczne - algorytmy i strukutury danych, które trzeba znaćMyślenie algorytmiczne - grafy w PythonieData Science - Analiza danych w Python PandasPython dla średniozaawansowanychPython Flask - aplikacje weboweUczenie maszynowe w Pythonie. Podstawy, perceptron, regresjaJeśli zastanawiasz się czy kupić akcje, czy zainwestować w złoto, to Ci nie pomogę. Nie wiem, co lepiej zrobić. Ale jeśli zapytasz, czy warto uczyć się o Machine Learning i sztucznej inteligencji, to nie mam wątpliwości co powiedzieć. WARTO! Machine Learning już się dzieje i będzie się dziać dalej. A Ty masz wybór - albo patrzysz na to z boku, albo zostajesz liderem w tej dziedzinie.Ten kurs jest stworzony dla tych, którzy już mają wiedzę programistyczną i pracowali z danymi. Wiedza na temat samego machine learning nie jest wymagana. Pod tym względem zaczynamy od zera tłumacząc nawet co to model, predykcja, uczenie maszynowe itp.Ale uwaga. Nie kończymy na teorii. To tylko początek. Przygotuj się na dużo programowania. Do każdej lekcji, nawet teoretycznej masz quiz i zadania praktyczne. Każde zadanie praktyczne jest rozwiązane, więc bez obaw - nie zgubisz się.Na kursie nabędziesz intuicji stojącej za algorytmami, ale poznasz też matematykę, która tą intuicję uzasadnia. Bez obaw. Moim celem nie jest nauczanie tutaj liczenia pochodnej ani operacji na macierzach. Wystarczy, że kojarzysz mniej więcej co to jest, ale oczywiście im więcej pamiętasz z matematyki tym lepiej.Zazwyczaj algorytm implementujemy od zera w Pythonie, a potem pokazujemy, jak korzystać z gotowych klas przygotowanych w module Scikit-Learn. Dzięki temu nie jesteś programistą, który jak małpka uruchamia funkcję nie wiedząc co dzieje się pod spodem. Pracujemy na prawdziwych danych: ceny diamentów, domów, jakość wina, wielkość mózgu, zachorowalność na choroby, rozpoznawanie kształtów i cyfr no i legendarne kwiaty Iris. Chciałbym, żeby studenci kończący ten kurs byli w stanie samodzielnie budować własne modele.Machine Learning to olbrzymi temat, mnóstwo algorytmów, bibliotek, technik obróbki danych. Po prostu ogrom. My z tego wielkiego obszaru wybieramy tylko dwa tematy - budowę pojedynczego perceptronu, który jest ważny, bo to przecież podstawa głębokich sieci neuronowych, oraz algorytmy z rodziny regresji liniowej. Jest ich kilka i mają swoje specyficzne zastosowania i co by tu dużo mówić - nie można ich nie znać. Ale jak się przekonasz to i tak bardzo dużo, bo te tematy omówimy bardzo dokładnie: intuicja matematyka, przykłady, testy, zadania - komplet, jak na siłowni, tylko dla mózgu, a nie dla mięśni. Jeśli szukasz kursu pod tytułem „wszystkie algorytmy w jeden dzień" to szukaj dalej. Jeśli szukasz rzetelnego omówienia neuronu i regresji, to to jest to!Przekwalifikowanie się do zawodu programisty machine learning to co najmniej kilkanaście miesięcy pracy. Jednak nos do góry. Ten kurs może być Twoim krokiem we właściwym kierunku. Wszystko w Twoich rękach. Jeśli interesuje Cię temat machine learning, nie chcesz być biernym obserwatorem rosnących zastosowań sztucznej inteligencji i chmury, zapisz się na kurs. Nic nie ryzykujesz.Teraz jest dobry czas na Machine Learning. Nie czekaj - dołącz! Zapraszam!Po zakończeniu tego kursu powinieneś:bez problemu umieć własnymi słowami opowiedzieć o co chodzi w Machine Learning, opisać jakie mamy do dyspozycji algorytmy, co to jest uczenie nadzorowane i nienadzorowaneznać szczegółowe zasady działania pojedycznego neuronu i umieć go zastosować do rozwiązywania problemówskorzystać z różnych odmian regresji liniowej: Adaline, RANSAC, Lasso, Ridge, Elastic Netprzeanalizować, oczyścić dane i uzupełnić brakujące daneprzygotować dane do uczenia maszynowego, dzielić je na dane uczące i testowe oraz skalowaćznać szczegóły operacji stojących za skalowaniem i dzieleniem danych na uczące i testowe Machine Learning nie istnieje bez programowania, dlatego znajdziesz tu mnóstwo zadań do mniej lub bardziej samodzielnego rozwiązania. Początkowe zadania mają na celu odświeżyć wiedzę typowo matematyczną, wprowadzić do optymalnego wykorzystania biblioteki numpy, a kolejne pozwolą poeksperymentować na własną rękę z problemami, jakie stawiamy algorytmom Machine Learning.Podsumowując. Jeśli masz podstawową wiedzę z programowania, jeśli nie przeraża cię odrobina matematyki i jeśli jesteś ciekawy o co chodzi z tym machine learning i sztuczną inteligencją, jeśli chcesz wystartować od zera w tym temacie, to ten kurs powinien ci to umożliwić.Obejrzyj lekcje próbne i pamiętając, że z zakupu można wycofać się bez konsekwencji w ciągu 30 dni zacznij swoje bliskie spotkanie ze sztuczną inteligencją - w Twoim ojczystym językuDo zobaczenia na kursie!
