Машинное обучение от А до я™: практический Python и R в Data Science

Научитесь создавать алгоритмы машинного обучения в Python и R от двух экспертов по Data Science.

Заинтересованы в области машинного обучения? Тогда этот курс для вас!

Этот курс был разработан двумя профессиональными специалистами по данным, чтобы мы могли поделиться своими знаниями и помочь вам изучить сложные теории, алгоритмы и библиотеки простым способом.

Мы шаг за шагом познакомим вас с миром машинного обучения. С каждым учебным пособием вы будете развивать новые навыки и улучшать свое понимание этой сложной, но прибыльной области науки о данных.

Этот курс веселый и увлекательный, но в то же время мы углубляемся в машинное обучение. Он структурирован следующим образом:

• Часть 1 - Предварительная обработка данных
• Часть 2 - Регрессия: простая линейная регрессия, множественная линейная регрессия, полиномиальная регрессия, SVR, регрессия дерева решений
• Часть 3 - Классификация: Логистическая регрессия, K-NN, SVM, Ядро SVM, Naive Bayes, Классификация дерева решений, Классификация случайных лесов
• Часть 4 - Кластеризация: K-средства, иерархическая кластеризация
• Часть 5 - Обучение правилам ассоциации: Apriori, Eclat
• Часть 6 - Обучение усилению: верхний предел доверия, выборка Томпсона
• Часть 7 - Обработка естественного языка: модель мешков слов и алгоритмы для НЛП
• Часть 8. Глубокое обучение: искусственные нейронные сети, сверточные нейронные сети.
• Часть 9 - Уменьшение размерности: PCA, LDA, Kernel PCA
• Часть 10. Выбор и повышение модели: перекрестная проверка в k-кратном порядке, настройка параметров, поиск по сетке, XGBoost

Кроме того, курс содержит практические упражнения, основанные на реальных примерах. Так что вы не только изучите теорию, но и получите практическую практику создания собственных моделей.

В качестве бонуса этот курс включает шаблоны кода Python и R, которые вы можете загрузить и использовать в своих собственных проектах.