|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/veri-bilimi-yolculugu/
课程评论：没有评论
**课程名称：** PYTHON，数据科学与机器学习之旅 **课程概述：** 本课程旨在解决当前许多在线教育内容的痛点，即视频全屏播放和屏幕切换频繁，以及专家讲师可能难以完全理解初学者需求的问题。本课程将通过以下方式提供一种更人性化的学习体验： * **解决学习痛点：** 避免全屏视频和频繁的屏幕切换，让学习过程更流畅。 * **以初学者为中心：** 讲师将模拟向一位零基础的“新手”讲解，预设并回答初学者可能遇到的问题，确保内容的易懂性。 * **深入的原理讲解：** 目标是培养理解“为什么”的学生，而不仅仅是“怎么做”。课程将尽可能详细地解释所有算法、代码、参数及其用途，并保持内容更新。 * **项目导向：** 课程将贯穿一个数据科学项目，教授项目实施的各个步骤及其背后的原因。 **课程内容：** 本课程将涵盖数据科学和机器学习领域的核心技术和算法： * **Python基础：** 用于数据科学的基础Python编程。 * **NumPy：** 用于进行数值计算。 * **Pandas：** 用于数据的整理和分析。 * **Matplotlib & Seaborn：** 用于数据可视化和图表美化。 * **Scikit-learn：** 用于构建机器学习模型。 **机器学习模型涵盖：** * 线性回归 (Linear Regression) * 多项式回归 (Polynomial Regression) * Ridge - Lasso - ElasticNet * 逻辑回归 (Logistic Regression) * 决策树 (Decision Tree) * 随机森林 (Random Forest) * AdaBoost - Gradient Boosting * K-近邻 (K-Nearest Neighbors) * 支持向量机 (Support Vector Machines) * K-均值聚类 (K-Means Clustering) * 层次聚类 (Hierarchical Clustering) * DBSCAN **课程目标：** 通过本课程，学员将能够理解并在实际项目中应用数据科学和机器学习技术，成为一个懂得“什么、为什么、在哪里、如何”使用的学习者。
Bu tür eğitimlerin bana göre 2 problemi varİzlediğiniz videonun tamamının ekranı kaplaması ve ekranlar arası sürekli geçiş yapmakEğitmenlerin alanlarında uzman olmaları dolayısıyla başlangıç seviyesindeki bir öğrencinin ihtiyaçlarını ve sorunlarını tam olarak anlayamıyor olmalarıBenim de bu eğitimdeki amacım temelde bu iki problemi çözerken size bir veri bilimi projesi nasıl yapılır, hangi adımlar işlenir ve bu adımlar neden kullanılır bunu anlatmak.Makine öğrenmesi bölümünde konuya sizler gibi sıfırdan başlayan bir konuğum olacak ve dersleri sizinle beraber ona anlatıyormuşum gibi dinleyeceksiniz. Böylece konuyu hiç bilmeyen birinin izlerken karşılaşabileceği soruları sizin yerinize o bana sormuş olacak.Eğitim sonunda sizi klavyeye basan robotlar yapmaktan ziyade neyi, ne için, nerede ve nasıl kullandığını bilen birisi yapmak için mümkün olduğu kadar bütün algoritmaları, kodları, parametreleri ve kodların içinde gördüğünüz diğer şeyi açıklamaya çalıştım. Fakat yine de aklınızda kalan soruları sormaktan çekinmeyin. Derslerin sürekli güncel tutulacağından ve sorularınızla şekilleneceğinden emin olabilirsiniz.Peki biz bu eğitimde ne işleyeceğizVeri biliminde kullanılacak temel seviyede PYTHONSayısal operasyonları gerçekleştirmek için NUMPYVerilerin düzenlenmesi ve analiz için PANDASVerileri görselleştirmek ve görselleri düzenlemek için MATPLOTLIB ve SEABORNVe son olarak makine öğrenmesi modelleri kurmak için SCIKIT-LEARNMakine öğrenmesi bölümünde öğreneceğimiz makine öğrenmesi modelleri deLineer RegresyonPolinom RegresyonRidge - Lasso - ElasticNetLojistik RegresyonDecision TreeRandom ForestAdaBoost - Gradient BoostingK - Nearest NeighborsSupport vector MachinesK - Means ClusteringHiyerarşik KümelemeDBSCAN
