|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/pythondsml/
课程评论：没有评论
课程名称：Python 数据科学与机器学习培训 概览：欢迎参加本课程！该培训旨在为希望从应用角度学习数据科学和机器学习的学员提供指导。课程为初学者准备了Python编程基础内容，确保所有学员都能顺利参与学习；而已有Python编程基础的学员可以直接进入后续主题。课程内容按步骤进行，确保参与者能轻松跟随实操环节。 课程内容包括： 1. 培训准备 2. Python编程基础 3. Python虚拟环境 4. 数据处理与分析：Numpy 和 Pandas 5. 专题：Numpy 和 Pandas 数据库 6. 数据可视化：使用Matplotlib、Seaborn和Bokeh库 7. 专题：时间序列数据可视化 8. 数据集、预处理与特征降维 9. 线性回归问题及解决方案 10. 分类问题及解决方案 11. 聚类问题及解决方案 12. 模型的超参数调优 13. 集成方法 14. 强化学习 15. 自动化机器学习（AutoML） 16. 案例学习 学员如有任何问题可在讨论区提出，与其他学员互动交流。 更新信息： - 2025年5月25日新增内容：Python虚拟环境、机器学习项目的开发与部署、新增案例研究。 - 2024年11月30日：根据运行时版本更新代码，已测试的版本包括Python 3.12.7等。 - 2024年9月20日：新增强化学习、自动化机器学习（AutoML）及案例研究。 - 2024年9月16日：新增Bokeh数据可视化内容。 该课程为希望全面掌握数据科学和机器学习的学员提供了系统的学习机会。
Selamat datang di program pelatihan data science dan machine learning dengan Python!Pelatihan ini diperuntukan untuk rekan - rekan ingin belajar data science dan machine learning dari sudut terapan dengan memanfaatkan Python.Bagi rekan - rekan yang belum menguasai pemrograman Python, pelatihan juga memberikan konten pemrograman dasar untuk Python sehingga rekan - rekan dapat mengikuti pelatihan ini dengan baik. Bagi yang sudah bisa pemrograman Python, rekan - rekan dapat melanjutkan di topik berikutnya.Seluruh konten didalam pelatihan ini dilaksanan secara step - by - step (langkah demi langkah) dan berurutan sehingga ini diharapkan semua peserta dapat dengan mudah mengikuti semua praktikum yang diberikan didalam pelatihan ini. Diharapkan semua peserta dapat mengikuti konten pelatihan ini secara berurutan ;).Berikut ini konten yang akan diberikan pada pelatihan ini.Persiapan pelatihanPemrograman PythonPython Virtual EnvironmentPengolahan dan Analisa Data - Numpy dan PandasTopik Khusus - Numpy dan Pandas - DatabaseVisualisasi Data dengan memanfaatkan library Matplotlib, Seaborn dan BokehTopik Khusus Visualisasi Data Time SeriesDataset, Pra-Proses dan Pengurangan Dimensi Feature (Dimensionality Reduction)Permasalahan dan Penyelesaian Kasus Linear RegressionPermasalahan dan Penyelesaian Kasus Klasifikasi (Classification)Permasalahan dan Penyelesaian Kasus Kekelompokkan (Clustering)Hyperparameter Tuning Untuk Model Machine LearningEnsemble MethodsReinforcement LearningAutomated Machine Learning (AutoML)Kumpulan Studi KasusJika ada hal - hal yang ingin ditanyakan mengenai topik diatas, rekan - rekan dapat langsung ditulisnya di ruang diskusi pada web ini sehingga rekan-rekan lainnya dapat mengetahui dan ikut terlibat diskusinya.Update25 Mei 2025Penambahan konten baru* Python Virtual Environment* Pengembangan dan Deployment Proyek Machine Learning* Penambahan studi kasus baru Melakukan cek semua codes agar berjalan semua.30 November 2024: Pembaruan kode program karena versi runtime. Runtime versi yang diuji adalah:* Python 3.12.7* Numpy 2.1.3* Pandas 2.2.3* Seaborn 0.13.2* Matplotlib 3.9.2* Scikit-learn 1.5.2Berikut pembaruan kode program* Classification_binary_demo_v3.ipynb* Classification_multiclass_demo_v2.ipynb* Classification_multilabel_demo_v2.ipynb* Data Processing - NumPy-Versi2.ipynb* seaborn-v2.ipynb* visual-time-series-v2.ipynb* Linear Regression -Sklearn-v2.ipynb* SimpanBaca-Regression-v2.ipynb* Hyperparameter-v2.ipynb* ensemble-v2.ipynb20 September 2024: Penambahan konten Reinforcement Learning, Automated Machine Learning (AutoML) dan studi kasus.16 September 2024: Penambahan konten untuk visualisasi data dengan Bokeh
