Python 机器学习初学者 + ChatGPT 奖 [2024]
为机器学习打下坚实的基础:Python 中的线性回归、逻辑回归和 K 均值聚类
讲师:Hadelin de Ponteves
口袋资源独家Udemy付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 机器学习
- 机器学习过程
- 回归
- 普通最小二乘
- 简单线性回归
- 将数据拆分为训练集和测试集
- 多元线性回归
- R 平方
- 调整后的 R 平方
- 分类
- 最大似然
- 特征缩放
- 混淆矩阵
- 准确性
- 聚类
- K 均值聚类
- 肘部法
- K-均值++
- 使用 Python 构建机器学习模型
- 作出预测
要求
- 每行代码都会得到充分解释,因此对编码技能没有任何先决条件
- 这是基础课程,因此无需具备数据科学知识
- 建议具备一些高中水平的数学知识,但不是必需的
- 我们使用 Google Colab 在 Python 中进行编码,这非常直观,但您也可以使用 Jupyter 或其他 IDE
描述
您想学习机器学习但不知道从哪里开始?
您是否一直在寻找适合初学者的课程,为您的职业生涯提供强大的工具?
您来对地方了!
这是 Python 机器学习第 1 级……我们将帮助您入门。
我叫 Kirill Eremenko,是一名拥有 7 年以上经验的数据科学讲师,与我的搭档 Hadelin de Ponteves 一起,我们在全球范围内教授了超过 200 万学生。
现在,我们创建了这门课程来帮助您走上机器学习的轨道并开始将其应用到您的职业生涯中。
本课程有 3 个主要部分:
首先,我们将深入研究回归,其中我们将学习预测连续变量,并将涵盖简单和多元线性回归、普通最小二乘、测试模型、R 平方和调整 R 平方等基本概念。
在第二部分中,您将掌握逻辑回归,这是迄今为止最流行的分类模型。我们将学习有关最大似然、特征缩放、混淆矩阵、准确率的所有内容……您将构建您的第一个逻辑回归!
第三部分也是最后一部分是关于聚类的。我们将研究无监督学习的概念,您将练习使用K 均值聚类来发现数据中以前未见过的模式。
听起来令人兴奋吗?
好吧,在本课程中,您不仅将学习所有这些机器学习模型背后的理论,而且还将练习将它们应用到不同的场景中,以便为现实世界做好准备。
另外,您还将获得可以下载并保留的Python 代码模板。这些都是非常宝贵的工具,您可以立即将其应用到您自己的项目中。
你还在等什么?
立即注册,通过机器学习将您的职业生涯提升到新的水平!
本课程适合谁:
- 任何对数据科学感兴趣的人
- 任何想成为数据科学家的人
- 任何对机器学习感兴趣的人
- 任何想成为 ML 或 AI 工程师的人
- 数据科学专业人士
- 机器学习专业人员
- 任何想要将机器学习添加到他们的简历或职业工具包中的人