Machine Learning - Python & R In Data Science for Android APK

Описание

Пълен курс по udemy безплатно.

Какво ще научите

Овладейте машинното обучение на Python & R

Имате страхотна интуиция за много модели на машинно обучение

Правете точни прогнози

Направете мощен анализ

Създавайте стабилни модели на машинно обучение

Създайте силна добавена стойност за вашия бизнес

Използвайте машинно обучение за лични цели

Занимавайте се със специфични теми като Reinforcement Learning, NLP и Deep Learning

Работете с усъвършенствани техники като намаляване на размерността

Знайте кой модел на машинно обучение да изберете за всеки тип проблем

Създайте армия от мощни модели на машинно обучение и знайте как да ги комбинирате, за да разрешите всеки проблем

Описание

Интересувате ли се от областта на машинното обучение? Тогава този курс е за вас!

Този курс е проектиран от двама професионални специалисти по данни, така че да можем да споделим знанията си и да ви помогнем да научите сложна теория, алгоритми и библиотеки за кодиране по лесен начин.

Ще ви преведем стъпка по стъпка в света на машинното обучение. С всеки урок ще развиете нови умения и ще подобрите разбирането си за тази предизвикателна, но доходоносна подполе на Data Science.

Този курс е забавен и вълнуващ, но в същото време се потапяме дълбоко в машинното обучение. Тя е структурирана по следния начин:

Част 1 - Предварителна обработка на данни

Част 2 - Регресия: проста линейна регресия, множествена линейна регресия, полиномиална регресия, SVR, регресия на дървото на решенията, регресия на произволна гора

Част 3 - Класификация: Логистична регресия, K-NN, SVM, SVM на ядрото, Naive Bayes, Класификация на дървото на решенията, Класификация на случайни гори

Част 4 - Групиране: K-средни стойности, йерархично групиране

Част 5 - Изучаване на асоциативно правило: Apriori, Eclat

Част 6 - Обучение с подсилване: горна граница на увереност, вземане на проби от Томпсън

Част 7 - Обработка на естествен език: Модел на торбичка с думи и алгоритми за НЛП

Част 8 - Задълбочено обучение: Изкуствени невронни мрежи, конволюционни невронни мрежи

Част 9 - Намаляване на размерността: PCA, LDA, PCA на ядрото

Част 10 - Избор на модел и усилване: k-кратно кръстосано валидиране, настройка на параметри, търсене в мрежа, XGBoost

Освен това курсът е пълен с практически упражнения, които са базирани на примери от реалния живот. Така че не само ще научите теорията, но и ще получите практическа практика в изграждането на свои собствени модели.

И като бонус, този курс включва шаблони за Python и R код, които можете да изтеглите и използвате в собствените си проекти.

За кого е този курс:

Всеки, който се интересува от машинно обучение.

Ученици, които имат поне средно образование по математика и които искат да започнат да учат машинно обучение.

Всички хора на средно ниво, които познават основите на машинното обучение, включително класическите алгоритми като линейна регресия или логистична регресия, но които искат да научат повече за това и да изследват всички различни области на машинното обучение.

Всички хора, които не са толкова удобни с кодирането, но които се интересуват от машинно обучение и искат да го прилагат лесно върху набори от данни.

Всички студенти в колежа, които искат да започнат кариера в Data Science.

Всички анализатори на данни, които искат да се повишат в машинното обучение.

Всички хора, които не са доволни от работата си и които искат да станат Data Scientist.

Всички хора, които искат да създадат добавена стойност към бизнеса си, като използват мощни инструменти за машинно обучение.