Автор: coursera
Название: Прикладное машинное обучение на Python (2022)
Этот курс познакомит учащегося с прикладным машинным обучением, сосредоточив внимание больше на методах и методах, чем на статистике, лежащей в основе этих методов. Курс начнется с обсуждения того, чем машинное обучение отличается от описательной статистики, и представит набор инструментов для обучения scikit.
Будет обсуждаться вопрос размерности данных, и будет решаться задача кластеризации данных, а также оценка этих кластеров. Будут описаны контролируемые подходы к созданию прогностических моделей, и учащиеся смогут применять методы прогностического моделирования scikit Learn, одновременно понимая проблемы процесса, связанные с обобщаемостью данных (например, перекрестная проверка, переобучение). Курс завершится рассмотрением более продвинутых методов, таких как построение ансамблей, и практических ограничений прогностических моделей. К концу этого курса студенты смогут определить разницу между контролируемым (классификация) и неконтролируемым (кластеризация) методами, определить, какой метод им нужно применить для конкретного набора данных и потребности, разработать функции для удовлетворения этой потребности и написать код Python для проведения анализа.
Этот курс следует пройти после введения в науку о данных в Python и прикладного построения графиков, диаграмм и представления данных в Python и перед прикладным анализом текста в Python и прикладным социальным анализом в Python.
Материал на английском языке
Подробнее:
Скачать:
Название: Прикладное машинное обучение на Python (2022)
Этот курс познакомит учащегося с прикладным машинным обучением, сосредоточив внимание больше на методах и методах, чем на статистике, лежащей в основе этих методов. Курс начнется с обсуждения того, чем машинное обучение отличается от описательной статистики, и представит набор инструментов для обучения scikit.
Будет обсуждаться вопрос размерности данных, и будет решаться задача кластеризации данных, а также оценка этих кластеров. Будут описаны контролируемые подходы к созданию прогностических моделей, и учащиеся смогут применять методы прогностического моделирования scikit Learn, одновременно понимая проблемы процесса, связанные с обобщаемостью данных (например, перекрестная проверка, переобучение). Курс завершится рассмотрением более продвинутых методов, таких как построение ансамблей, и практических ограничений прогностических моделей. К концу этого курса студенты смогут определить разницу между контролируемым (классификация) и неконтролируемым (кластеризация) методами, определить, какой метод им нужно применить для конкретного набора данных и потребности, разработать функции для удовлетворения этой потребности и написать код Python для проведения анализа.
Этот курс следует пройти после введения в науку о данных в Python и прикладного построения графиков, диаграмм и представления данных в Python и перед прикладным анализом текста в Python и прикладным социальным анализом в Python.
Материал на английском языке
Подробнее:
Для просмотра ссылок Войдите в аккаунт или Зарегистрируйтесь
Скачать:
Для просмотра ссылок Войдите в аккаунт или Зарегистрируйтесь
Похожие темы
- [Никита Шультайс] Дата и время в Python 3 [shultais.education] (2024)
- [Никита Шультайс] Функциональное программирование в Python 3 [shultais.education] (2024)
- [Никита Шультайс] Работа с файлами в Python 3 [shultais.education] (2024)
- [Karpov.Courses] Продвинутая аналитика данных. Часть 3 (2023)
- [karpov.courses, Нерсес Багиян, Алексей Кожарин, Никита Табакаев] Machine Learning для начинающих. Часть 7 из 7 (2023)
- [karpov.courses, Нерсес Багиян, Алексей Кожарин, Никита Табакаев] Machine Learning для начинающих. Часть 6 из 7 (2023)
- [karpov.courses, Нерсес Багиян, Алексей Кожарин, Никита Табакаев] Machine Learning для начинающих. Часть 5 из 7 (2023)
- [karpov.courses, Нерсес Багиян, Алексей Кожарин, Никита Табакаев] Machine Learning для начинающих. Часть 4 из 7 (2022)
- [Владимир Балун] Подготовка к алгоритмическим собеседованиям [balun.courses] (2023)
- [Udemy] 100 дней кода — полный курс Python Pro Bootcamp на 2023 год (2022)