| Forlegger | Analytics Vidhya Educon Private Limited |
|---|---|
| Utgivelsesdato | 17. jan. 2020 |
| Dato lagt til | 17. jan. 2020 |
| Os krav | iOS |
| Krav | Requires iOS 9.0 or later. Compatible with iPhone, iPad, and iPod touch. |
| Totalt antall nedlastinger | 0 |
| Pris | Free |
Beskrivelse
Analytics Vidhya er Indias største og verdens nest største datavitenskapelige fellesskap.
Vi tar sikte på å hjelpe deg med å lære konsepter innen datavitenskap, maskinlæring, dyp læring, big data og kunstig intelligens (AI) på den mest interaktive måten fra det grunnleggende helt opp til svært avanserte nivåer.
Analytics Vidhya-appen gir høykvalitets læringsressurser for fagfolk i datavitenskap, dataingeniører og studenter som ønsker å studere datavitenskap og maskinlæringsalgoritmer, sammen med koder.
Noen av de populære innleggene på appen
En omfattende læringsvei for dyp læring i 2019
Den ultimate læringsveien for å bli en dataforsker og mestre maskinlæring i 2019
En komplett veiledning for å lære datavitenskap med Python fra bunnen av
Grunnleggende om maskinlæringsalgoritmer (med Python- og R-koder)
En introduksjon til implementering av nevrale nettverk ved hjelp av TensorFlow
En komplett veiledning for å komme i gang med dyp læring i Python
Tips og triks til Ace Data Science-intervjuer
7 typer regresjonsteknikker du bør kjenne til!
En komplett opplæring om Ridge og Lasso-regresjon i Python
Deep Learning Tutorial for å beregne skjermtiden til skuespillere i en hvilken som helst video (med Python-koder)
Omfattende introduksjon til Apache Spark, RDD-er og datarammer (ved hjelp av PySpark)
En enkel introduksjon til ansiktsgjenkjenning (med Python-koder)
30 spørsmål for å teste din forståelse av logistisk regresjon
En komplett opplæring om trebasert modellering fra bunnen av i R & Python
Den mest omfattende læringsplanen for datavitenskap
6 enkle trinn for å lære naiv Bayes-algoritme (med koder i Python og R)
Topp 28 jukseark for maskinlæring, datavitenskap, sannsynlighet, SQL og big data
Løse problemer med klassifisering av flere etiketter (casestudier inkludert)
Forstå støttevektormaskinalgoritmen fra eksempler (sammen med kode)
Architecture of Convolutional Neural Networks (CNNs) avmystifisert
Komplett guide til parameterinnstilling i XGBoost (med koder i Python)
Øve på maskinlæringsteknikker i R med MLR-pakke
Heroes of Deep Learning: Top Takeaways for Aspiring Data Scientists fra Andrew Ngs Interview Series
Maskinlæring og dyplæringsalgoritmer:
Lineære og logistiske regresjoner
NaiveBayes
Nevrale nettverk
Beslutningstrær
Konvolusjonelle nevrale nettverk
Langtidsminne Tilbakevendende nevrale nettverk
SVM (Support Vector Machines)
Begrensede Boltzmann-maskiner
Begrensede Boltzmann-maskiner
Lær biblioteker og verktøy:
Pandaer
Matplotlib
Scikit-lær
TensorFlow
Kaffe
PyTorch
XGBoost
epoker
PySpark
Toppkategorier og emner
Datavitenskap
Stor Data
Forretningsanalyse
Dyp læring
Maskinlæring
NLP (Natural Language Processing)
Forsterkende læring
Nevralt nettverk (tradisjonelt og konvolusjonelt)
Veiledet læring
Uovervåket læring
Modellering i Python og R
Tidsserieanalyse
Datateknikk
Vi har mer enn 200 000 registrerte brukere på bloggen og nyhetsbrevet vår og mer enn 2,4 millioner månedlige besøk på portalen vår. Folk engasjerer seg i Analytics Vidhya for å lære av tankeledere og bransjeeksperter, delta i hackathons for ansettelse, merkevarebygging og problemløsning/crowd sourcing på vår globale DataHack-plattform ( https://datahack.analyticsvidhya.com/contest/all/) på områder som som kunstig intelligens, maskinlæring, datateknikk, datautvinning og avansert analyse, og delta i diskusjoner for å dele ideer og løse datarelaterte forretningsproblemer for organisasjoner. I løpet av de siste 2 årene har vi deltatt i mer enn 60 hackathons med noen av de ledende globale selskapene i verden og i India. Vi har også en dedikert plattform for kurs (https://trainings.analyticsvidhya.com/) laget av de beste innen datavitenskap hvor du kan melde deg på kurs og skjerpe ferdighetene dine.
Personvern: https://www.analyticsvidhya.com/privacy-policy/
Vilkår: https://www.analyticsvidhya.com/terms/