|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/ml-in-russian/
课程评论：没有评论
课程名称：机器学习入门：使用Scikit-learn 课程概述：欢迎参加这门机器学习入门课程，您将重新思考对信息的处理方式。本课程面向所有希望掌握机器学习的人。您将学习数据准备的步骤，包括数据清洗、转换和数据集的组合。课程还涵盖数据探索性分析（EDA），包括变量识别、去重、关键指标分析、一维和二维分析、相关性分析和降维技术。此外，您还将了解如何训练神经网络，包括选择模型类型和目标变量、模型训练以及超参数调优。 课程中，您将逐步解决一些流行的机器学习问题，例如购买预测等。我们设计这个课程旨在帮助希望进入数据科学领域并学习如何用Python创建项目的学员。完成本课程后，您将掌握创建数据驱动项目的基本工具。一开始可能会觉得信息量巨大，但请坚持下去，随着时间的推移，您将逐渐掌握这些新知识，数据科学将成为您日常的活动。 理想的学员是希望提升技能的初级或中级Python开发者，或是希望推出产品的创业者。课程无入学要求，只需保持开放的心态并准备好学习。 所使用的技术包括：matplotlib、NumPy、os、Pandas、pandas_profiling、yfinance、Scikit-learn（SimpleImputer、SelectKBest、StandardScaler、PCA、RandomForestClassifier；评估指标：classification_report、accuracy_score；模型选择：train_test_split、GridSearchCV、cross_val_score；线性模型：LogisticRegression；决策树：DecisionTreeClassifier；邻居方法：KNeighborsClassifier；支持向量机：SVC；朴素贝叶斯：BernoulliNB）。 © 2020，插图由fullvector和Upklyak提供。
Добро пожаловать на вводный курс Machine Learning, на котором Вы переосмыслите свое отношение к информации. Это курс для всех, кто желает освоить Машинное обучение. Вы узнаете, как происходит подготовка данных:- очистка- преобразование- комбинирование датасетов.Вы научитесь разведочному анализу данных (EDA):- идентификация переменных- удаление дубликатов- анализ основных показателей- одномерный и двумерный анализ- корреляционный анализ- понижение размерностиИ наконец, как происходит обучение нейронной сети:- выбор типа модели и целевой переменной- обучение модели- тюнинг гиперпараметровМы вместе решим пошагово некоторые популярные задачи Машинного обучения: предсказание покупки и проч.Мы разработали этот курс для всех, кто хочет освоиться в Науке о данных и научиться создавать свои проекты в этой сфере на языке Python. К окончанию курса Вы будете обладать базовым инструментарием для создания data-driven проектов. Поначалу будет казаться, что нового слишком много, и Ваша задача здесь - просто продолжить. Со временем, когда мозг соберет новую сложную мыслительную конструкцию, Вы освоитесь, и Data Science станет привычным занятием.Идеальный студент для этого курса - Junior- или Middle-разработчик Python, который хочет расширить свои навыки, или предприниматель, который хочет запустить продукт. Для регистрации нет никаких требований, мы только просим Вас быть открытыми и готовыми учиться.Технологии: matplotlib, NumPy, os, Pandas, pandas_profiling, yfinance, Scikit-learn (SimpleImputer, SelectKBest, StandardScaler, PCA, RandomForestClassifier; metrics: classification_report, accuracy_score; model_selection: train_test_split, GridSearchCV, cross_val_score; linear_model: LogisticRegression; tree: DecisionTreeClassifier; neighbors: KNeighborsClassifier; svm: SVC; naive_bayes: BernoulliNB)© 2020. Иллюстрации от fullvector, Upklyak
