• СОГРЕВАЮЩИЕ СКИДКИ!

    Оригинальный адрес - s1.slivkursov.info / slivkursov.info остерегайтесь Сайты-клоны мошенников!

    Получите вечный Премиум доступ к более чем 200 000 курсов + приватный раздел за 750  500 рублей

    Премиум MAX + Guard.ws + Elements.Envato + доступ к удалённым курсам и книгам 1200  1000 рублей

    Акция действует до 10 Декабря включительно!

    Оформить подписку Подробнее
  • Мы опубликовали новых материалов за сутки 107 за неделю 859

Программирование [coursera] Прикладное машинное обучение на Python (2022)

Magic
Редактор
7,623
42,687
Автор: coursera
Название: Прикладное машинное обучение на Python (2022)

1663592241594.png

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:


 
Сверху