|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/scikitlearn/
课程评论：没有评论
**课程名称：** 数据科学：回归与人工智能基础 **课程概述：** 本课程将带您进入机器学习的世界，它是工业 4.0 的关键支柱之一。机器学习在创建数字孪生、优化流程、提高效率、降低成本、减少环境影响以及推动新产品和工艺的研发方面发挥着至关重要的作用。 您将通过本课程学习如何使用 Python 和机器学习算法创建数据回归模型。课程全程在云端（Google Colab）进行，无需任何本地安装，并使用免费的开源代码。我们将提供实际应用的教程和模板，帮助您在工作和实际项目中应用所学知识。 每完成一个主题，您都会获得一个完整的 Google Colab 或 Jupyter Notebook 以及所需的数据集。通过完成 Python 教程和章节随后的测验，您将培养新的技能并加深对机器学习的理解。 本课程内容丰富且引人入胜，深入探讨了以数据回归为重点的机器学习领域。 **课程结构：** * 机器学习导论 * 数据处理 * 数据可视化 * 数据清洗（异常值去除） * 数据标准化与归一化 * SciKit-Learn 的使用 * 使用 Pipelines * 使用 Grid Search * 使用 Cross-Validation * 简单线性回归 * 多元线性回归 * 多项式回归 * RANSAC 回归 * K-近邻回归 * 支持向量机回归 * 决策树回归 * 随机森林回归 * 极端随机树回归 * 随机梯度下降回归 * LightGBM 回归 * 多层感知器回归
Por que você deve fazer este curso?Você sabia que a área de Machine Learning é um dos grandes pilares da Indústria 4.0? Sim! Nos auxilia criando Gêmeos Digitais, entendendo melhor os processos, melhorando a eficiência, reduzindo custos, minimizando impactos ambientais, além de ser uma poderosa ferramenta na área de Pesquisa e Desenvolvimento de novos produtos e processos.Não perca esta oportunidade de surfar na crista da onda e estar entre os TOP 10 na Área. Aprenda a criar algoritmos de Regressão de Dados usando Machine Learning em Python.Tudo rodando na nuvem (Google Colab), sem precisar instalar nada no seu computador! E ainda por cima usando códigos Open Source FREE!Vamos orientá-lo no mundo do aprendizado de máquina, utilizando Tutoriais e Templates que você poderá reutilizar em seus casos! Na vida real! No seu trabalho! Em cada tópico deste curso lhe forneceremos um Notebook completo para você rodar no Google Colab ou em seu Jupyter Notebook e os Datasets necessários.Você desenvolverá novas habilidades e melhorará sua compreensão desta área desafiada. Este curso pode ser concluído fazendo os tutoriais Python e respondendo pequenos Quizes no final de cada capítulo.Este curso é divertido e empolgante e, ao mesmo tempo, mergulhamos profundamente na Aprendizado de Máquina / Machine Learning com foco na área de Regressão de Dados.Está curso está estruturado com os seguintes tópicos:Introdução ao Machine LearningProcessamento de DadosVisualização de DadosLimpeza de Dados (Remoção de Outliers)Padronização e Normalização de DadosUtilização do SciKit-LearnTrabalhando com PipelinesTrabalhando com Grid SearchTrabalhando com Cross-ValidationSimple Linear RegressionMultiple Linear RegressionPolynomial RegressionRANSAC RegressionK-Nearest Neighbors RegressionSupport Vector Machines RegressionDecision Tree RegressionRandom Forest RegressionExtremely Randomized Trees RegressionStochastic Gradient Descent RegressionLight GBM RegressionMulti-layer Perceptron Regression
