Machine Learning - Python & R In Data Science for Android APK
| Filtyp | APK |
|---|---|
| Version | 1.1-stable |
| Utgivare | FreeLearningApp |
| Utgivningsdatum | 1 sep. 2020 |
| Datum tillagt | 1 sep. 2020 |
| Os krav | Android |
| Krav | Requires Android 4.4 and up |
| Totalt antal nedladdningar | 0 |
| Pris | Free |
Beskrivning
Hela udemy-kursen gratis.
Vad du kommer att lära dig
Master Machine Learning på Python & R
Har en stor intuition av många Machine Learning-modeller
Gör korrekta förutsägelser
Gör en kraftfull analys
Gör robusta maskininlärningsmodeller
Skapa ett starkt mervärde för din verksamhet
Använd maskininlärning för personliga ändamål
Hantera specifika ämnen som Reinforcement Learning, NLP och Deep Learning
Hantera avancerade tekniker som Dimensionality Reduction
Vet vilken maskininlärningsmodell du ska välja för varje typ av problem
Bygg en armé av kraftfulla maskininlärningsmodeller och vet hur man kombinerar dem för att lösa alla problem
Beskrivning
Intresserad av maskininlärning? Då är den här kursen för dig!
Den här kursen har utformats av två professionella dataforskare så att vi kan dela med oss av vår kunskap och hjälpa dig att lära dig komplex teori, algoritmer och kodningsbibliotek på ett enkelt sätt.
Vi leder dig steg för steg in i en värld av maskininlärning. Med varje handledning kommer du att utveckla nya färdigheter och förbättra din förståelse för detta utmanande men ändå lukrativa delområde av Data Science.
Den här kursen är rolig och spännande, men samtidigt djupdyker vi i Machine Learning. Den är uppbyggd på följande sätt:
Del 1 - Dataförbehandling
Del 2 - Regression: Enkel linjär regression, multipel linjär regression, polynomregression, SVR, beslutsträdsregression, slumpmässig skogsregression
Del 3 - Klassificering: Logistic Regression, K-NN, SVM, Kernel SVM, Naive Bayes, Decision Tree Classification, Random Forest Classification
Del 4 - Clustering: K-Means, Hierarkisk Clustering
Del 5 - Föreningsregellärande: Apriori, Eclat
Del 6 - Förstärkningsinlärning: Upper Confidence Bound, Thompson Sampling
Del 7 - Natural Language Processing: Bag-of-words modell och algoritmer för NLP
Del 8 - Deep Learning: Artificiella neurala nätverk, konvolutionella neurala nätverk
Del 9 - Dimensionalitetsreduktion: PCA, LDA, Kernel PCA
Del 10 - Modellval och förstärkning: k-faldig korsvalidering, parameterjustering, rutnätssökning, XGBoost
Dessutom är kursen späckad med praktiska övningar som är baserade på verkliga exempel. Så du kommer inte bara att lära dig teorin, utan du kommer också att få lite praktisk övning i att bygga dina egna modeller.
Och som en bonus innehåller den här kursen både Python- och R-kodmallar som du kan ladda ner och använda i dina egna projekt.
Vem är den här kursen för:
Alla som är intresserade av Machine Learning.
Elever som har minst gymnasiekunskaper i matte och som vill börja lära sig Machine Learning.
Alla personer på mellannivå som kan grunderna för maskininlärning, inklusive de klassiska algoritmerna som linjär regression eller logistisk regression, men som vill lära sig mer om det och utforska alla de olika områdena inom maskininlärning.
Alla människor som inte är så bekväma med kodning men som är intresserade av maskininlärning och vill använda det enkelt på datamängder.
Alla studenter på college som vill börja en karriär inom datavetenskap.
Alla dataanalytiker som vill gå upp i maskininlärning.
Alla personer som inte är nöjda med sitt jobb och som vill bli datavetare.
Alla människor som vill skapa mervärde till sin verksamhet genom att använda kraftfulla verktyg för maskininlärning.