Машинное обучение в Python: Machine Learning & Data Science

Изучите NumPy, Pandas, Matplotlib, Seaborn, Scikit-Learn и многое другое! Осваивайте Искусственный Интеллект на практике

Ratings 4.66 / 5.00
Машинное обучение в Python: Machine Learning & Data Science

What You Will Learn!

  • Построение моделей машинного обучения с учителем (Supervised Learning)
  • Применение NumPy для работы с числами в Python
  • Применение Seaborn для создания красивых графиков визуализации данных
  • Применение Pandas для манипуляции с данными в Python
  • Применение Matplotlib для детальной настройки визуализаций данных в Python
  • Конструирование признаков (Feature Engineering) на реалистичных примерах
  • Алгоритмы регрессии для предсказания непрерывных переменных
  • Навыки подготовки данных к машинному обучению
  • Алгоритмы классификации для предсказания категориальных переменных
  • Создание портфолио проектов машинного обучения и Data Science
  • Работа с Scikit-Learn для применения различных алгоритмов машинного обучения
  • Быстрая настройка Anaconda для работ по машинному обучению
  • Понимание полного цикла этапов работ по машинному обучению

Description

Добро пожаловать на самый полный курс по Машинному Обучению и Data Science!

Этот курс - лучший способ начать с нуля и стать специалистом по Data Science и машинному обучению с помощью Python.

Этот объёмный курс может заменить Вам целый набор других курсов, которые могут стоить в десятки раз больше.

В этом курсе Вы изучите следующие темы:

  • Программирование в Python (экспресс-курс)

  • NumPy в Python

  • Детальное изучение Pandas для анализа и предварительной обработки данных

  • Детальное изучение Seaborn для визуализации данных (включая Matplotlib для кастомизации графиков)

  • Машинное обучение с помощью SciKit Learn, включая следующие темы:

    • Linear Regression - Линейная Регрессия

    • Regularization - Регуляризация

    • Lasso Regression - Лассо-Регрессия

    • Ridge Regression - Ридж-Регрессия

    • Регуляризация Elastic Net

    • Logistic Regression - Логистическая регрессия

    • K Nearest Neighbors - Метод К-ближайших соседей

    • Decision Trees - Деревья решений

    • Random Forests - Случайные леса

    • AdaBoost, GradientBoosting - Адаптивный бустинг, Градиентный бустинг

    • Natural Language Processing - Обработка языковых данных

    • K Means Clustering - Кластеризация К-средних

    • Hierarchical Clustering - Иерархическая кластеризация

    • DBSCAN (Density-based spatial clustering of applications with noise) - Кластеризация на основе плотности данных

    • PCA - Principal Component Analysis - Метод главных компонент

    • И многое, многое другое!

Внутри курса находится набор блокнотов Jupyter Notebook с русском языке с примерами кода и детальным описанием. Для каждой лекции это отдельные блокноты, которые разложены по папкам с соответствии с разделами курса.  Так что Вы сможете не только просмотреть видео-лекции, но и прочитать блокноты.  Это особенно удобно, когда Вам нужно что-то вспомнить или быстро пробежаться по материалу в поисках нужной информации.

Как всегда, мы очень ценим возможность стать Вашими инструкторами по Data Science, машинному обучению и Python. Надеемся, что Вы запишетесь на этот курс и прокачаете Ваши навыки!

Who Should Attend!

  • Начинающие разработчики Python, интересующиеся машинным обучением и Data Science

TAKE THIS COURSE

Tags

  • Data Science
  • Machine Learning
  • Python

Subscribers

2950

Lectures

228

TAKE THIS COURSE



Related Courses