Що нового?

Придбаний Введение в Машинное обучение [Udemy] [Helen Kapatsa]

Інформація про покупку
Тип покупки: Складчина
Ціна: 666 ГРН
Учасників: 1 з 10
Організатор: Квітка Квітка
Статус: Збір коштів
Внесок: 69.3 ГРН
0%
Основний список
Резервний список

Gadzhi

Модератор
Введение в Машинное обучение
Machine Learning на русском доступном языке

Описание
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 размерности

И наконец, как происходит обучение нейронной сети:

– выбор типа модели и целевой переменной

– обучение модели

– тюнинг гиперпараметров

Мы 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)

https://www.udemy.com/course/ml-in-russian/
 
Угорі