Logo
Zostań autorem

Koszyk jest pusty

0

Kategorie

  • Chcesz się dzielić wiedzą?

Zaloguj się

Nie pamiętasz hasła? Kliknij tutaj

Machine Learning Bootcamp w języku Python cz.I - od A do Z

(NOWOŚĆ) Wejdź w świat uczenia nadzorowanego i wykorzystaj przewagę uczenia maszynowego na rynku! - 2021

Autor: Paweł Krakowiak

Aktualizacja: 07/01/2021

00:00
00:00
x

Darmowe lekcje

down
Trailer
Kilka wskazówek na początek
00:51
Czym jest uczenie maszynowe?
02:49
Uczenie maszynowe - trendy
03:04
Uczenie maszynowe - podział
04:53
Google Colab + Dysk Google + GitHub
09:38
Braki danych - wykład
09:28
Las losowy - wykład
04:39
Naiwny klasyfikator bayesowski - ćwiczenie
04:30
Niedouczenie i przeuczenie modelu - ćwiczenie
05:51
Trailer
Kilka wskazówek na początek
Czym jest uczenie maszynowe?
Uczenie maszynowe - trendy
Uczenie maszynowe - podział
Google Colab + Dysk Google + GitHub
Braki danych - wykład
Las losowy - wykład
Naiwny klasyfikator bayesowski - ćwiczenie
Niedouczenie i przeuczenie modelu - ćwiczenie
39.99 zł
-18 %49.00zł
calendar30 dni gwarancji zwrotu pieniędzy
helpwsparcie autora na każdym etapie nauki
updateregularne aktualizacje

Szkolenie obejmuje:

  • Dożywotni dostęp
  • 109 wykładów
  • 11 godz. 00 min. materiałów wideo
  • 33 slajdów
  • Testy i ćwiczenia
  • Dostęp do zamkniętej grupy dyskusyjnej
  • Kontakt z autorem
  • Imienny certyfikat ukończenia

Zadaj pytanie przed zakupem!

Masz pytania dotyczące tego szkolenia? Skorzystaj z możliwośći kontaktu z autorem i rozwiej swoje wątpliwości.

Czego się nauczysz?

  • podstaw uczenia maszynowego
  • czym jest uczenie nadzorowane
  • przepływu pracy przy tworzeniu modeli uczenia maszynowego
  • przygotowania danych do modelu
  • czym jest zbiór treningowy, walidacyjny i testowy
  • czym jest problem regresji
  • regresji liniowej
  • regresji wielomianowej

Wymagania

podstawowa znajomość języka Python ( kurs Programowanie w języku Python - od A do Z)

znajomość biblioteki pandas (kurs Wprowadzenie do data science w języku Python - Pandas)

podstawowa znajomość bibliotek do data science (kurs Data Science Bootcamp w języku Python)

Opis kursu

---------------------------------------------------------

REKOMENDOWANE ŚCIEŻKI UCZENIA

---------------------------------------------------------

PYTHON DEVELOPER:

  • Programowanie w języku Python - od A do Z
  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
  • Programowanie obiektowe w języku Python - OOP
  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP


DATA SCIENTIST / MACHINE LEARNING ENGINEER:

  • Programowanie w języku Python - od A do Z
  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
  • Programowanie obiektowe w języku Python - OOP
  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
  • Wprowadzenie do data science w języku Python - Pandas
  • Interaktywne wizualizacje danych w języku Python - Plotly
  • Data Science Bootcamp w języku Python - od A do Z
  • 250+ Ćwiczeń - Data Science Bootcamp w języku Python
  • Machine Learning Bootcamp w języku Python cz.I - od A do Z
  • Machine Learning Bootcamp w języku Python cz.II - od A do Z
  • Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia


DATA SCIENTIST / DEEP LEARNING ENGINEER

  • Programowanie w języku Python - od A do Z
  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
  • Programowanie obiektowe w języku Python - OOP
  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
  • Wprowadzenie do data science w języku Python - Pandas
  • Interaktywne wizualizacje danych w języku Python - Plotly
  • Data Science Bootcamp w języku Python - od A do Z
  • 250+ Ćwiczeń - Data Science Bootcamp w języku Python
  • Machine Learning Bootcamp w języku Python cz.I - od A do Z
  • Machine Learning Bootcamp w języku Python cz.II - od A do Z
  • Machine Learning Bootcamp w języku Python cz.III - Ćwiczenia
  • Wprowadzenie do sieci neuronowych - Tensorflow 2.0 + Keras
  • Deep Learning w języku Python - Konwolucyjne Sieci Neuronowe
  • Artificial Intelligence – Computer Vision w języku Python


BI ANALYST / DATA ANALYST:

  • Programowanie w języku Python - od A do Z
  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
  • Programowanie obiektowe w języku Python - OOP
  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
  • Wprowadzenie do data science w języku Python - Pandas
  • Interaktywne wizualizacje danych w języku Python - Plotly
  • Twórz nowoczesne aplikacje webowe w Pythonie - Dash, Plotly
  • Data Science Bootcamp w języku Python - od A do Z
  • 250+ Ćwiczeń - Data Science Bootcamp w języku Python


BIG DATA ANALYST:

  • Programowanie w języku Python - od A do Z
  • 200+ Ćwiczeń - Programowanie w języku Python - od A do Z
  • 210+ Ćwiczeń - Python - Moduły wbudowane - od A do Z
  • Programowanie obiektowe w języku Python - OOP
  • 150+ Ćwiczeń - Programowanie obiektowe w języku Python - OOP
  • Wprowadzenie do data science w języku Python - Pandas
  • Interaktywne wizualizacje danych w języku Python - Plotly
  • Big Data, Hadoop oraz MapReduce w języku Python
  • Big Data: Analiza danych przy użyciu SQL oraz BigQuery

---------------------------------------------------------

OPIS KURSU

---------------------------------------------------------

Pierwsza część kursu z serii Machine Learning Bootcamp obejmująca tematykę uczenia nadzorowanego. Poruszone są główne problemy uczenia maszynowego, czyli klasyfikacja oraz regresja. Kurs zbudowany jest w oparciu o najpopularniejszą bibliotekę do uczenia maszynowego w języku Python, czyli bibliotekę scikit-learn (sklearn).


Na kursie omówionych zostało wiele algorytmów uczenia maszynowego, między innymi:

  • regresja liniowa
  • regresja wielomianowa
  • regresja drzew decyzyjnych
  • regresja logistyczna
  • algorytm k-najbliższych sąsiadów
  • klasyfikator drzew decyzyjnych
  • klasyfikator lasów losowych
  • algorytm maszyny wektorów nośnych
  • naiwny klasyfikator bayesowski


Przedstawione zostały także metody oceny modeli regresji oraz klasyfikacji, walidacja krzyżowa czy metoda przeszukiwania siatki. Jeżeli zastanawiasz się czy warto podjąć krok w stronę ucznia maszynowego nie zwlekaj ani chwili dłużej i już dziś podejmij wyzwanie.

Spis treści

  • Czas trwania: 11:00:35
  • Slajdy: 33
Uczenie maszynowe - wstęp
8 wykładydown
-----UCZENIE NADZOROWANE-----
4 wykładydown
Narzędzia i konfiguracja środowiska
5 wykładydown
Przygotowanie danych do modelu
17 wykładydown
------REGRESJA-----
2 wykładydown
Regresja liniowa
16 wykładydown
Regresja wielomianowa
3 wykładydown
Regresja drzew decyzyjnych
3 wykładydown
Regresja - ocena modelu
3 wykładydown
-----KLASYFIKACJA-----
1 wykładydown
Regresja logistyczna
4 wykładydown
K-najbliższych sąsiadów
3 wykładydown
Drzewa decyzyjne
8 wykładydown
Uczenie zespołowe - lasy losowe
3 wykładydown
Maszyna wektorów nośnych
3 wykładydown
Naiwny klasyfikator bayesowski
4 wykładydown
Klasyfikacja - ocena modelu
4 wykładydown
-----DOBÓR MODELU-----
1 wykładydown
Dobór modelu
9 wykładydown
------CASE STUDIES-----
1 wykładydown
Case Study I - rozpoznawanie cyfr
2 wykładydown
Case Study II - klasyfikacja obrazów
2 wykładydown
Case Study III - analiza sentymentu - recenzje filmowe
3 wykładydown

O autorze

avatar
Paweł KrakowiakData Scientist / Securities Broker
Kursy: 28
O mnie
Data Scientist, Securities Broker Miłośnik nowych technologii, szczególnie w obszarze sztucznej inteligencji, big data oraz rozwiązań chmurowych. Absolwent podyplomowych studiów ...Czytaj więcej
Zobacz profil autora
5.0
100 %
0 %
0 %
0 %
0 %