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.II - od A do Z

(NOWOŚĆ) Wejdź w świat uczenia nienadzorowanego i wykorzystaj przewagę uczenia maszynowego na rynku! - 2020

Autor: Paweł Krakowiak

Aktualizacja: 04/09/2020

00:00
00:00
x

Darmowe lekcje

down
Trailer
Wprowadzenie
00:53
DBSCAN - wykład
02:05
PCA - Analiza Głównych Składowych - rekonstrukcja obrazu
04:50
Detekcja anomalii w szeregach czasowych - wykład
04:58
Trailer
Wprowadzenie
DBSCAN - wykład
PCA - Analiza Głównych Składowych - rekonstrukcja obrazu
Detekcja anomalii w szeregach czasowych - wykład
49.00 zł
calendargwarancja zwrotu pieniędzy
updateregularne aktualizacje
helpwsparcie autora
questionZadaj pytanie autorowi

Czego się nauczysz?

  • czym jest uczenie nienadzorowane
  • czym jest zagadnienie klasteryzacji/grupowania/analizy skupień
  • czym jest metryka Minkowskiego
  • algorytmu K-średnich wraz z implementacją
  • algorytmu grupowania hierarchicznego
  • algorytmu DBSCAN
  • metod redukcji wymiarowości
  • algorytmu PCA wraz z implementacją

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

Druga część kursu z serii Machine Learning Bootcamp obejmująca tematykę uczenia nienadzorowanego. Poruszone są główne problemy uczenia nienadzorowanego takie jak klasteryzacja, redukcja wymiarowości, reguły asocjacyjne czy detekcja anomalii. Kurs zbudowany jest w oparciu o kilka bibliotek do uczenia maszynowego w języku Python: scikit-learn, Prophet, OpenCV.

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

  • algorytm K-średnich
  • grupowanie hierarchiczne
  • algorytm DBSCAN
  • algorytm PCA
  • algorytm t-SNE
  • algorytm Apriori
  • LOF - Local Outlier Factor
  • algorytm Isolation Forest

O uczeniu maszynowym mówi się już praktycznie wszędzie. Wkrada się w każdą dziedzinę naszego życia. 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: 05:08:35
  • Pytania w testach: 26
  • Slajdy: 33
-----UCZENIE NIENADZOROWANE-----
4 wykładydown
-----KLASTERYZACJA-----
4 wykładydown
Repozytorium kursu - Github
1 wykładydown
Algorytm K-średnich
11 wykładydown
Grupowanie hierarchiczne
5 wykładydown
Algorytm DBSCAN
6 wykładydown
Klasteryzacja - porównanie algorytmów
4 wykładydown
-----REDUKCJA WYMIAROWOŚCI-----
1 wykładydown
PCA - Analiza Głównych Składowych
15 wykładydown
t-SNE
5 wykładydown
-----REGUŁY ASOCJACYJNE-----
1 wykładydown
Reguły asocjacyjne - algorytm Apriori
6 wykładydown
-----DETEKCJA ANOMALII-----
2 wykładydown
Local Outlier Factor - LOF
4 wykładydown
Isolation Forest
4 wykładydown
Detekcja anomalii w szeregach czasowych
5 wykładydown
-----CASE STUDIES-----
1 wykładydown
Segmentacja klientów
8 wykładydown
Segmentacja obrazu
2 wykładydown
Prophet - Koronawirus
2 wykładydown

O autorze

avatar
Paweł KrakowiakData Scientist / Securities Broker
Kursy: 19
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
49.00 zł