Полный курс машинного обучения с Python

Создайте портфель из 12 проектов по машинному обучению с помощью Python, SVM, регрессии, машинного обучения без контроля и многого другого! Благодаря новым разделам, а также обновленному и улучшенному контенту, вы получаете все, что нужно для освоения машинного обучения в одном курсе! Сфера машинного обучения постоянно развивается, и мы хотим, чтобы студенты имели самую свежую информацию и практические навыки, доступные для них:

Новые разделы включают в себя:

• Основы глубокого обучения, охватывающие такие темы, как различие между классическим программированием и машинным обучением, различают машинное и глубокое обучение, строительные блоки нейронных сетей, описания тензорных операций, категории машинного обучения и передовые концепции, такие как избыточное и недостаточное оснащение, регуляризация, отсев, проверки и тестирования и многое другое.
• Computer Vision в форме сверточных нейронных сетей, охватывающих построение слоев, понимание фильтров / ядер, а также сложные темы, такие как перенос обучения и расширение возможностей.

И следующие разделы были улучшены и добавлены:

• Ввесь код был обновлен для работы с Python 3.6 и 3.7
• Код был реорганизован для работы с Google Colab
• Глубокое обучение и НЛП
• Бинарные и мультиклассовые классификации с глубоким обучением
• Получите самую актуальную информацию о машинном обучении, и получите ее за один курс!

Средняя зарплата инженера по машинному обучению в США составляет 166 000 долларов! К концу этого курса у вас будет Портфолио из 12 проектов по машинному обучению, которые помогут вам найти работу своей мечты или разрешить реальные проблемы в бизнесе, на работе или в личной жизни с помощью алгоритмов машинного обучения.

Приходите изучать машинное обучение с Python. Этот увлекательный курс с Anthony NG, старшим преподавателем в Сингапуре.

Создание мощных моделей машинного обучения для решения любых проблем

Вы пройдете от новичка до чрезвычайно высокого уровня, и ваш инструктор будет шаг за шагом строить каждый алгоритм вместе с вами.

К концу курса у вас будут обученные алгоритмы машинного обучения, чтобы классифицировать цветы, прогнозировать цену дома, определять почерк или цифры, определять персонал, который, скорее всего, уйдет преждевременно, обнаруживать раковые клетки и многое другое!

В рамках курса вы научитесь:

• Настройте среду разработки Python правильно
• Получите полный набор инструментов машинного обучения для решения большинства реальных проблем
• Понимать различные метрики производительности регрессионных, классификационных и других мл алгоритмов, такие как R-квадрат, MSE, точность, матрица путаницы, предвидение, отзыв и т. д. И когда их использовать.
• Объедините несколько моделей с помощью упаковки, повышения или укладки
• Используйте неконтролируемые алгоритмы машинного обучения (ML), такие как иерархическая кластеризация, кластеризация k-средних и т. д., Чтобы понять ваши данные
• Разработка в Jupyter (IPython), Spyder и различных IDE
• Общайтесь визуально и эффективно с Matplotlib и Seaborn
• Использование SVM для распознавания рукописного ввода и задач классификации в целом
• Используйте деревья решений для прогнозирования истощения персонала
• Применить правило ассоциации к наборам данных розничных магазинов
• И многое, многое другое!