Капоне
Администратор
- Регистрация
- 1 Апр 2015
- Сообщения
- 154.225
- Реакции
- 465.805
Machine Learning using Python Programming
Авторы: Sujithkumar MA
Английский
Субтитры русский [авто]
Чему вы научитесь
«Машинное обучение — это то, как машина с искусственным интеллектом учится, как человек»
Добро пожаловать на курс по машинному обучению и его реализации с использованием Python 3. Как следует из названия, в этом курсе рекомендуется иметь базовые знания в Python 3, чтобы легко понять часть реализации, но это не обязательно.
Этот курс содержит обширное содержание основных концепций ML, таких как его функции, шаги, связанные с созданием модели ML - предварительная обработка данных, точная настройка модели, переоснащение, недообучение, смещение, дисперсия, матрица путаницы и показатели производительности модели ML. Мы поймем важность многих методов предварительной обработки, таких как бинаризация, MinMaxScaler, Standard Scaler.
Мы можем реализовать многие алгоритмы машинного обучения на Python, используя библиотеку scikit-learn, всего за несколько строк. Разве мы не можем? Тем не менее, это не поможет нам понять алгоритмы. Следовательно, в этом курсе мы сначала рассмотрим понимание математики и концепций, лежащих в основе алгоритмов, а затем реализуем то же самое на Python. Мы также визуализируем алгоритмы, чтобы сделать их более интересными. Алгоритмы, которые мы будем обсуждать в этом курсе:
1. Линейная регрессия
2. Логистическая регрессия
3. Машины опорных векторов
4. Классификатор КНН
5. Регрессор КНН
6. Дерево решений
7. Классификатор случайного леса
8. Наивный байесовский классификатор
9. Кластеризация
И так далее. Мы будем сравнивать результаты всех алгоритмов и делать хороший аналитический подход. Чего же ты ждешь?
Для кого этот курс:
- ПРОДАЖНИК
СКАЧАТЬ
Авторы: Sujithkumar MA
Английский
Субтитры русский [авто]
Чему вы научитесь
- Алгоритмы и терминология машинного обучения
- Искусственный интеллект
- Библиотеки Python — Numpy, Pandas, Scikit-learn, Matplotlib, Seaborn
- Да, базовые знания Python приветствуются.
«Машинное обучение — это то, как машина с искусственным интеллектом учится, как человек»
Добро пожаловать на курс по машинному обучению и его реализации с использованием Python 3. Как следует из названия, в этом курсе рекомендуется иметь базовые знания в Python 3, чтобы легко понять часть реализации, но это не обязательно.
Этот курс содержит обширное содержание основных концепций ML, таких как его функции, шаги, связанные с созданием модели ML - предварительная обработка данных, точная настройка модели, переоснащение, недообучение, смещение, дисперсия, матрица путаницы и показатели производительности модели ML. Мы поймем важность многих методов предварительной обработки, таких как бинаризация, MinMaxScaler, Standard Scaler.
Мы можем реализовать многие алгоритмы машинного обучения на Python, используя библиотеку scikit-learn, всего за несколько строк. Разве мы не можем? Тем не менее, это не поможет нам понять алгоритмы. Следовательно, в этом курсе мы сначала рассмотрим понимание математики и концепций, лежащих в основе алгоритмов, а затем реализуем то же самое на Python. Мы также визуализируем алгоритмы, чтобы сделать их более интересными. Алгоритмы, которые мы будем обсуждать в этом курсе:
1. Линейная регрессия
2. Логистическая регрессия
3. Машины опорных векторов
4. Классификатор КНН
5. Регрессор КНН
6. Дерево решений
7. Классификатор случайного леса
8. Наивный байесовский классификатор
9. Кластеризация
И так далее. Мы будем сравнивать результаты всех алгоритмов и делать хороший аналитический подход. Чего же ты ждешь?
Для кого этот курс:
- Начинающие Python-разработчики
Зарегистрируйтесь или войдите в свой аккаунт для просмотра данного контента на newskladchik.com
- ПРОДАЖНИК
СКАЧАТЬ
Для просмотра скрытого содержимого вы должны зарегистрироваться
Возможно, Вас ещё заинтересует:
- Ланчбоксы: идеи блюд на 30 дней [Klaudia Tobiasz] + Ланчбоксы: 60 новых рецептов для ланчбокса [Joanna Anger, Anna Piszczek]
- Практик трансформационных гипнотических путешествий, часть 01 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 02 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 03 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 04 из 10 (2026) [Игорь Ледоховский]
- Практик трансформационных гипнотических путешествий, часть 05 из 10 (2026) [Игорь Ледоховский]