Amerikano
Модератор
- Сообщения
- 19,549
- Реакции
- 380,924
Автор: coursera
Название: Прикладное машинное обучение на Python (2022)
Этот курс познакомит учащегося с прикладным машинным обучением, сосредоточив внимание больше на методах и методах, чем на статистике, лежащей в основе этих методов. Курс начнется с обсуждения того, чем машинное обучение отличается от описательной статистики, и представит набор инструментов для обучения scikit.
Будет обсуждаться вопрос размерности данных, и будет решаться задача кластеризации данных, а также оценка этих кластеров. Будут описаны контролируемые подходы к созданию прогностических моделей, и учащиеся смогут применять методы прогностического моделирования scikit Learn, одновременно понимая проблемы процесса, связанные с обобщаемостью данных (например, перекрестная проверка, переобучение). Курс завершится рассмотрением более продвинутых методов, таких как построение ансамблей, и практических ограничений прогностических моделей. К концу этого курса студенты смогут определить разницу между контролируемым (классификация) и неконтролируемым (кластеризация) методами, определить, какой метод им нужно применить для конкретного набора данных и потребности, разработать функции для удовлетворения этой потребности и написать код Python для проведения анализа.
Этот курс следует пройти после введения в науку о данных в Python и прикладного построения графиков, диаграмм и представления данных в Python и перед прикладным анализом текста в Python и прикладным социальным анализом в Python.
Материал на английском языке
Подробнее:
Скачать:
Название: Прикладное машинное обучение на Python (2022)
Этот курс познакомит учащегося с прикладным машинным обучением, сосредоточив внимание больше на методах и методах, чем на статистике, лежащей в основе этих методов. Курс начнется с обсуждения того, чем машинное обучение отличается от описательной статистики, и представит набор инструментов для обучения scikit.
Будет обсуждаться вопрос размерности данных, и будет решаться задача кластеризации данных, а также оценка этих кластеров. Будут описаны контролируемые подходы к созданию прогностических моделей, и учащиеся смогут применять методы прогностического моделирования scikit Learn, одновременно понимая проблемы процесса, связанные с обобщаемостью данных (например, перекрестная проверка, переобучение). Курс завершится рассмотрением более продвинутых методов, таких как построение ансамблей, и практических ограничений прогностических моделей. К концу этого курса студенты смогут определить разницу между контролируемым (классификация) и неконтролируемым (кластеризация) методами, определить, какой метод им нужно применить для конкретного набора данных и потребности, разработать функции для удовлетворения этой потребности и написать код Python для проведения анализа.
Этот курс следует пройти после введения в науку о данных в Python и прикладного построения графиков, диаграмм и представления данных в Python и перед прикладным анализом текста в Python и прикладным социальным анализом в Python.
Материал на английском языке
Подробнее:
Для просмотра ссылок Войдите в аккаунт или Зарегистрируйтесь
Скачать:
Для просмотра ссылок Войдите в аккаунт или Зарегистрируйтесь
Похожие темы из этого раздела:
- [Артем Егоров] Продвинутый python: заряди свои батарейки [Stepik] (2024)
- [Н. Честнов и др.] Python и ИИ-технологии с нуля за 4 месяца, 12 проектов с помощью ChatGPT (2023-2024)
- [Г. Инанц, И. Склонин, О. Ивченко] Инженер данных (Data Engineer) Часть 7 из 10 [2023] [МФТИ]
- [Г. Инанц, И. Склонин, О. Ивченко] Инженер данных (Data Engineer) Часть 6 из 10 [2023] [МФТИ]
- [Г. Инанц, И. Склонин, О. Ивченко] Инженер данных (Data Engineer) Часть 9 из 10 [2023] [МФТИ]
- [Г. Инанц, И. Склонин, О. Ивченко] Инженер данных (Data Engineer) Часть 5 из 10 [2023] [МФТИ]
- [Г. Инанц, И. Склонин, О. Ивченко] Инженер данных (Data Engineer) Часть 4 из 10 [2023] [МФТИ]
- [Г. Инанц, И. Склонин, О. Ивченко] Инженер данных (Data Engineer) Часть 10 из 10 [2023] [МФТИ]
- [Г. Инанц, И. Склонин, О. Ивченко] Инженер данных (Data Engineer) Часть 3 из 10 [2023] [МФТИ]
- [Г. Инанц, И. Склонин, О. Ивченко] Инженер данных (Data Engineer) Часть 2 из 10 [2023] [МФТИ]