Machine Learning - Python & R In Data Science for Android APK
| Filtype | APK |
|---|---|
| Versjon | 1.1-stable |
| Forlegger | FreeLearningApp |
| Utgivelsesdato | 1. sep. 2020 |
| Dato lagt til | 1. sep. 2020 |
| Os krav | Android |
| Krav | Requires Android 4.4 and up |
| Totalt antall nedlastinger | 0 |
| Pris | Free |
Beskrivelse
Fullt udemy-kurs gratis.
Hva du vil lære
Mestre maskinlæring på Python og R
Har en god intuisjon for mange maskinlæringsmodeller
Gjør nøyaktige spådommer
Lag en kraftig analyse
Lag robuste maskinlæringsmodeller
Skap sterk merverdi for virksomheten din
Bruk maskinlæring til personlige formål
Håndter spesifikke emner som Reinforcement Learning, NLP og Deep Learning
Håndtere avanserte teknikker som Dimensionality Reduction
Vet hvilken maskinlæringsmodell du skal velge for hver type problem
Bygg en hær av kraftige maskinlæringsmodeller og vet hvordan du kombinerer dem for å løse ethvert problem
Beskrivelse
Interessert i maskinlæring? Da er dette kurset for deg!
Dette kurset er designet av to profesjonelle dataforskere slik at vi kan dele vår kunnskap og hjelpe deg å lære kompleks teori, algoritmer og kodebibliotek på en enkel måte.
Vi tar deg steg-for-steg inn i verden av maskinlæring. Med hver veiledning vil du utvikle nye ferdigheter og forbedre forståelsen din av dette utfordrende, men likevel lukrative underfeltet av datavitenskap.
Dette kurset er morsomt og spennende, men samtidig dykker vi dypt ned i Machine Learning. Den er strukturert på følgende måte:
Del 1 - Dataforbehandling
Del 2 - Regresjon: Enkel lineær regresjon, multippel lineær regresjon, polynomregresjon, SVR, beslutningstreregresjon, tilfeldig skogregresjon
Del 3 - Klassifisering: Logistisk regresjon, K-NN, SVM, Kernel SVM, Naive Bayes, Decision Tree Classification, Random Forest Classification
Del 4 - Clustering: K-Means, Hierarkisk Clustering
Del 5 - Foreningsregellæring: Apriori, Eclat
Del 6 - Forsterkende læring: Øvre tillitsgrense, Thompson Sampling
Del 7 - Naturlig språkbehandling: Bag-of-words modell og algoritmer for NLP
Del 8 - Deep Learning: Kunstige nevrale nettverk, konvolusjonelle nevrale nettverk
Del 9 - Dimensjonsreduksjon: PCA, LDA, kjerne-PCA
Del 10 - Modellvalg og forsterkning: k-fold kryssvalidering, parameterinnstilling, rutenettsøk, XGBoost
I tillegg er kurset spekket med praktiske øvelser som er basert på virkelige eksempler. Så ikke bare vil du lære teorien, men du vil også få litt praktisk øvelse i å bygge dine egne modeller.
Og som en bonus inkluderer dette kurset både Python- og R-kodemaler som du kan laste ned og bruke på dine egne prosjekter.
Hvem er dette kurset for:
Alle som er interessert i maskinlæring.
Elever som minst har videregående kunnskaper i matte og som ønsker å begynne å lære Machine Learning.
Alle personer på middels nivå som kan det grunnleggende innen maskinlæring, inkludert de klassiske algoritmene som lineær regresjon eller logistisk regresjon, men som ønsker å lære mer om det og utforske alle de forskjellige feltene innen maskinlæring.
Alle som ikke er så komfortable med koding, men som er interessert i maskinlæring og ønsker å bruke det enkelt på datasett.
Alle studenter på college som ønsker å starte en karriere innen datavitenskap.
Eventuelle dataanalytikere som ønsker å gå opp i maskinlæring.
Alle mennesker som ikke er fornøyd med jobben sin og som ønsker å bli dataforsker.
Alle som ønsker å skape merverdi til virksomheten sin ved å bruke kraftige maskinlæringsverktøy.