Кошик
353 відгуків

Зараз у компанії неробочий час. Замовлення та повідомлення будуть оброблені з 09:00 найближчого робочого дня (завтра, 11.03).

RoboTrade
Контакти
RoboTradeАнтоніна
Вінниця, Україна
+380 (67) 106-52-87
+380 (67) 106-52-87

Курс машинного навчання на Python - Вступ до штучного інтелекту - ОНЛАЙН-версія

3 166 ₴

Показати оптові ціни
  • В наявності
  • Оптом і в роздріб
  • Код: 1992805359
Курс машинного навчання на Python - Вступ до штучного інтелекту - ОНЛАЙН-версія
Курс машинного навчання на Python - Вступ до штучного інтелекту - ОНЛАЙН-версіяВ наявності
3 166 ₴
+380 (67) 106-52-87
+380 (67) 106-52-87
У компанії підключені електронні платежі. Тепер ви можете купити будь-який товар не покидаючи сайту.

Опис продукту: Курс машинного навчання на Python - вступ до штучного інтелекту - онлайн-версія

Цей онлайн-курс розроблений для тих, хто має досвід програмування та хоче створювати інтелектуальні системи, що роблять висновки на основі зібраних даних. Ви отримаєте практичні навички та навчитеся:

  • відрізняти машинне навчання від штучного інтелекту
  • керувати бібліотекою Data Science для Python
  • прогнозувати числові значення за допомогою методів регресії
  • автоматично класифікувати об'єкти
  • кодувати дані для алгоритмів машинного навчання
  • зменшити розмірність даних
  • контролювати якість створених моделей

Ви отримаєте інструкції щодо завантаження та код від нас на адресу електронної пошти, вказану під час оформлення замовлення, не пізніше наступного робочого дня після отримання оплати.

Штучний інтелект та машинне навчання

Під час навчання ви дізнаєтесь, як виглядає ШІ сьогодні та чому машинне навчання найчастіше пишеться на Python.подібність між штучним інтелектом та машинним навчаннямВи дізнаєтеся, як використовувати машинне навчання та штучний інтелект для вирішення реальних проблем.

Збір необхідних даних для алгоритмів

Машинне навчанняВін спирається на дані, і для їх використання вони мають бути правильно структуровані. Тоді алгоритми можуть навчатися на них і робити відповідні висновки. Під час навчання ви дізнаєтеся про різні типи даних, що таке надмірне та недостатнє налаштування, вилучення ознак, як заповнювати відсутні дані та як виглядають шаблони кодування.

Дослідження та візуалізація даних

Під час курсу ви дізнаєтесьспособи візуалізації данихщо допоможе вам представити ваші аргументи у захопливій формі в майбутніх презентаціях. Ви протестуєте нові типи діаграм, потренуєтеся у кореляції даних і почнете вибирати лише ті, які будуть найважливішими в певній ситуації.

Кластеризація, класифікація та регресія

Тренінг допоможе вам навчитися, оскільки містить багато практичних прикладів.Ви створите три проектив якому ви розробите моделі для своїх даних. Ви побачите, що за допомогоюлінійна регресіяВи зможете зробити правильні висновки щодо якості на основі параметрів, наданих раніше. Ви побачите, як можна використовуватикластеризаціяточно визначати можливості та ймовірності та як їх використовуватибінарна класифікаціяна конкретному прикладі.

Додаткова інформація

Щоб приєднатися до курсу та повноцінно використовувати всю інформацію, ви повинні мати базові мовні навички.ПітонВи повинні бути знайомі з циклами, умовними операторами та об'єктно-орієнтованим програмуванням. Ми рекомендуємо пройти курс "Основи програмування на Python".

Зміст

1. Вступ
  • Вступ 00 хв 29 с
  • Як використовувати матеріали? 03 хв 51 с
  • Машинне навчання та штучний інтелект09 хв 24 с
  • Проблеми, які можна вирішити за допомогою машинного навчання12 хв 08 с
  • Огляд інструментів, які ми будемо використовувати12 хв 02 с
2. Підготовка даних для алгоритмів машинного навчання
  • Схема базового навчання моделі09 хв 41 с
  • Надмірне та недостатнє облаштування05 хв 19 с
  • Фрейми даних та основні операції з ними17 хв 14 с
  • Типи даних та методи їх представлення15 хв 30 с
  • Стратегії заповнення відсутніх даних12 хв 41 с
  • Реляційні дані та фрейми даних19 хв 13 с
  • Вилучення ознак навчання08 хв 19 с
  • Шаблони кодування13 хв 19 с
3. Аналіз та візуалізація даних
  • Типи діаграм22 хв 08 с
  • Кореляція даних12 хв 05 с
  • Зменшення розмірності даних14 хв 13 с
4. Регресія
  • Які проблеми вирішують методи регресії?09 хв 32 с
  • Набір даних: Якість вина14 хв 22 с
  • Попередня обробка даних09 хв 16 с - 
  • Лінійна регресія у 2D15 хв 59 с
  • Вимірювання якості регресійних моделей16 хв 34 с
  • Вплив масштабування змінних на модель10 хв 00 с
  • Багатовимірна лінійна регресія08 хв 11 с
  • Висновок на основі навченої моделі07 хв 38 с
  • Ласо та регуляризація хребта14 хв 26 с
  • Лінійні та нелінійні методи05 хв 58 с
  • Поліноміальна регресія15 хв 37 с
  • Огляд інших регресійних моделей07 хв 48 с
5. Бінарна класифікація
  • Що таке класифікація?06 хв 18 с
  • Набір даних: Погашення кредитної картки15 хв 34 с
  • Підготовка даних до класифікації12 хв 14 с
  • 2D логістична регресія14 хв 13 с
  • Специфічні показники бінарної класифікації24 хв 19 с
  • Багатовимірна логістична регресія13 хв 12 с
  • Аналіз ознак, важливих для моделі04 хв 55 с
  • K-Найближчі сусіди08 хв 41 с -
  • Використання KNN для класифікації09 хв 34 с
  • Машина опорних векторів11 хв 16 с
  • Класифікація за допомогою SVM06 хв 42 с
  • Стратегії для багатокласової класифікації09 хв 13 с
  • Інші популярні методи класифікації08 хв 05 с
6. Кластеризація
  • Для чого використовується кластеризація?08 хв 30 с
  • Категоризація за допомогою K-середніх у 2D17 хв 56 с
  • Набір даних: Титанік12 хв 43 с
  • Багатовимірна категоризація10 хв 28 с
  • Вимірювання якості кластеризації13 хв 19 с
  • Інші методи кластеризації05 хв 20 с - 
7. Належні практики
  • Тестування моделей ML 05 m 01 s
  • Закінчення 01 хв 29 с
Характеристики
Основні атрибути
СтанНовий
Користувальницькі характеристики
Вага паковання0,1 кг
Висота паковання0,1 см
глибина паковання0,1 см
Ширина паковання0,1 см
Інформація для замовлення
  • Ціна: 3 166 ₴