Data Science, Deep Learning и Machine Learning с Python

Приступайте к практической работе с нейронной сетью, искусственным интеллектом и методами машинного обучения, которые ищут предприниматели! 

Data Scientists пользуются средней зарплатой в 120 000 долларов. Это просто среднее! И дело не только в деньгах - это интересная работа! Если у вас есть опыт программирования или написания скриптов, этот курс научит вас методам, используемым настоящими учеными в области данных и специалистам по компьютерному обучению в технологической отрасли, и подготовит вас к переходу на этот горячий путь карьеры. Этот всеобъемлющий курс включает более 80 лекций, охватывающих 12 часов видео, и большинство тем включают практические примеры кода Python, которые вы можете использовать для справки и для практики. Я опишу свой 9-летний опыт работы в Amazon и IMDb, чтобы рассказать вам, что важно, а что нет.

Каждая концепция вводится на простом английском языке, избегая запутывания математических обозначений и жаргона. Затем демонстрируется все с использованием кода Python, с которым вы можете экспериментировать и основываться, а также заметки, которые вы можете сохранить для справок в будущем. Вы не найдете академического, глубоко математического освещения этих алгоритмов в этом курсе - основное внимание уделяется практическому пониманию и применению их. В конце вы получите окончательный проект, чтобы применить то, что вы узнали!

Темы в этом курсе взяты из анализа реальных потребностей в списках вакансий у ученых из крупнейших технических работодателей. Мы рассмотрим методы машинного обучения и интеллектуального анализа данных, которые ищут настоящие работодатели, в том числе:

• Глубокое обучение / нейронные сети (MLP, CNN, RNN)
• Регрессивный анализ
• K-Means Clustering
• Principal Component Analysis
• Train/Test and cross validation
• Bayesian Methods
• Decision Trees and Random Forests
• Многомерная регрессия
• Многоуровневые модели
• Поддержка векторных машин
• Reinforcement Learning
• Collaborative Filtering
• K-Nearest Neighbor
• Bias/Variance Tradeoff
• Ensemble Learning
• Временная частота / обратная частота документа
• Экспериментальный дизайн и тесты A / B

...и многое другое! В Apache Spark также есть целый раздел по машинныому обучению, который позволяет масштабировать эти методы до «больших данных», анализируемых на вычислительном кластере. И вы также получите доступ к Facebook Group этого курса, где вы можете оставаться на связи со своими одноклассниками.

Если вы новичок в Python, не волнуйтесь - курс начинается с его основ. Если вы уже делали какое-то программирование раньше, вы должны быстро его понять. Этот курс показывает, как настроить на ПК под управлением Microsoft Windows; пример кода также будет работать на настольных системах MacOS или Linux, но я не могу предоставить им поддержку по ОС.

Если вы программист, который хочет переключиться на захватывающий новый карьерный путь или аналитик данных, желающий перейти в техническую отрасль - этот курс научит вас основным методам, используемым Data Scientists в области промышленности в реальном мире. Я думаю, вам понравится!

Требования

Вам понадобится настольный компьютер (Windows, Mac или Linux), способный запускать Enthought Canopy 1.6.2 или новее. Курс проведет вас через установку необходимого бесплатного программного обеспечения.

Требуется некоторое предварительное знания программирования или написания скриптов.

Требуются, по крайней мере, математические навыки средней школы.

Этот курс проходит через настройку на настольном ПК под управлением Microsoft Windows. Хотя код в этом курсе будет работать в других операционных системах, мы не сможем предоставить им поддержку ОС.