|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/machinelearning-es/
课程评论：没有评论
课程名称：从A到Z的机器学习：用于数据科学的R和Python 课程概述： 欢迎参加我们的“从A到Z的机器学习”课程，专为希望深入了解机器学习世界的学员设计。本课程由专业的数据科学家开发，旨在以简单易懂的方式分享复杂理论、算法和编程库的知识。我们将引导您逐步进入机器学习领域，每节课都帮助您发展新技能和提升对这一复杂而有利可图的数据科学子领域的理解。 课程结构包括以下部分： 1. 数据预处理 2. 回归分析：简单线性回归、多重线性回归、 polynomial回归、支持向量回归(SVR)、决策树回归及随机森林回归 3. 分类：逻辑回归、K最近邻（K-NN）、支持向量机（SVM）、核方法SVM、朴素贝叶斯、决策树分类及随机森林分类 4. 聚类：K均值聚类、层次聚类 5. 关联规则学习：Apriori、Eclat 6. 强化学习：上置信界限、汤普森采样 7. 自然语言处理：词袋模型及NLP算法 8. 深度学习：人工神经网络及卷积神经网络 9. 降维：主成分分析（PCA）、线性判别分析（LDA）、核主成分分析（Kernel PCA） 10. 模型选择与增强：k折交叉验证、参数调整、网格搜索、XGBoost 此外，课程包含基于现实生活例子的实践练习，不仅仅学习理论，您还将通过引导示例实际应用自己的模型。作为额外福利，课程提供所有Python和R代码供您下载并在自己的项目中使用。同时，您将获得官方机器学习常见问题书籍，书中包含学生的常见疑问及更多示例和解答。 适合对机器学习感兴趣的任何人，欢迎参与！
Apúntate a nuestro Curso de Machine Learning de la A a la Z. R y Python para Data Science.¿Estás interesado en conocer a fondo el mundo del Machine Learning? Entonces este curso está diseñado especialmente para ti!!Este curso ha sido diseñado por Data Scientists profesionales para compartir nuestro conocimiento y ayudarte a aprender la teoría compleja, los algoritmos y librerías de programación de un modo fácil y sencillo.En él te guiaremos paso a paso en el mundo del Machine Learning. Con cada clase desarrollarás nuevas habilidades y mejorarás tus conocimientos de este complicado y lucrativa sub rama del Data Science.Este curso es divertido y ameno pero al mismo tiempo todo un reto pues tenemos mucho de Machine Learning por aprender. Lo hemos estructurado del siguiente modo:Partes del curso1ª Parte - Preprocesamiento de datos2ª Parte - Regresión: Regresión Lineal Simple, Regresión Lineal Múltiple, Regresión Polinomial, SVR, Regresión en Árboles de Decisión y Regresión con Bosques Aleatorios3ª Parte - Clasificación: Regresión Logística, K-NN, SVM, Kernel SVM, Naive Bayes, Clasificación con Árboles de Decisión y Clasificación con Bosques Aleatorios4ª Parte - Clustering: K-Means, Clustering Jerárquico5ª Parte - Aprendizaje por Reglas de Asociación: Apriori, Eclat6ª Parte - Reinforcement Learning: Límite de Confianza Superior, Muestreo Thompson7ª Parte - Procesamiento Natural del Lenguaje: Modelo de Bag-of-words y algoritmos de NLP8ª Parte - Deep Learning: Redes Neuronales Artificiales y Redes Neuronales Convolucionales9ª Parte - Reducción de la dimensión: ACP, LDA, Kernel ACP10ª Parte - Selección de Modelos & Boosting: k-fold Cross Validation, Ajuste de Parámetros, Grid Search, XGBoostAdemás, el curso está relleno de ejercicios prácticos basados en ejemplos de la vida real, de modo que no solo aprenderás teoría, si no también pondrás en práctica tus propios modelos con ejemplos guiados.Y como bonus, este curso incluye todo el código en Python y R para que lo descargues y uses en tus propios proyectos.Además, con el curso obtendrás el libro oficial de preguntas típicas de machine learning, creado a partir de las dudas de los estudiantes con más ejemplos y respuestas a tus posibles dudas.
