机器学习 AZ:AI、Python 和 R + ChatGPT 奖
向两位数据科学专家学习如何使用 Python 和 R 创建机器学习算法。包括代码模板
讲师:Kirill Eremenko
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
-
掌握 Python 和 R 机器学习
-
对许多机器学习模型有很好的直觉
-
做出准确的预测
-
做出有力的分析
-
建立强大的机器学习模型
-
为您的业务创造强大的附加值
-
将机器学习用于个人目的
-
处理强化学习、NLP 和深度学习等特定主题
-
处理降维等先进技术
-
了解为每种类型的问题选择哪种机器学习模型
-
建立一支强大的机器学习模型大军,并知道如何将它们结合起来解决任何问题
要求
-
高中数学水平而已。
描述
对机器学习领域感兴趣?那么这门课程适合您!
本课程由数据科学家和机器学习专家设计,以便我们可以分享我们的知识并帮助您以简单的方式学习复杂的理论、算法和编码库。
全球超过 100 万学生信任这门课程。
我们将带您一步步进入机器学习的世界。通过每个教程,您都将培养新技能并提高您对数据科学这个充满挑战但利润丰厚的子领域的理解。
本课程可以通过学习Python 教程或 R 教程,或同时学习 Python 和 R 来完成。选择您职业生涯所需的编程语言。
这门课程既有趣又令人兴奋,同时我们深入研究机器学习。它的结构如下:
-
第 1 部分 – 数据预处理
-
第 2 部分 – 回归:简单线性回归、多元线性回归、多项式回归、SVR、决策树回归、随机森林回归
-
第 3 部分 – 分类:逻辑回归、K-NN、SVM、核 SVM、朴素贝叶斯、决策树分类、随机森林分类
-
第 4 部分 – 聚类:K 均值、层次聚类
-
第 5 部分 – 关联规则学习:Apriori、Eclat
-
第 6 部分 – 强化学习:置信上限、汤普森采样
-
第 7 部分 – 自然语言处理:NLP 的词袋模型和算法
-
第 8 部分 – 深度学习:人工神经网络、卷积神经网络
-
第 9 部分 – 降维:PCA、LDA、内核 PCA
-
第 10 部分 – 模型选择和提升:k 倍交叉验证、参数调整、网格搜索、XGBoost
每个部分内的每个部分都是独立的。因此,您可以从头到尾学习整个课程,也可以直接跳到任何特定部分并了解您现在的职业所需的内容。
此外,该课程充满了基于现实案例研究的实践练习。因此,您不仅可以学习理论,还可以进行大量构建自己模型的实践练习。
最后但并非最不重要的一点是,本课程包括 Python 和 R 代码模板,您可以下载这些模板并在自己的项目中使用。
本课程适合谁:
- 任何对机器学习感兴趣的人。
- 至少具有高中数学知识并想要开始学习机器学习的学生。
- 任何了解机器学习基础知识的中级人员,包括线性回归或逻辑回归等经典算法,但想要了解更多信息并探索机器学习的所有不同领域。
- 任何对编码不太熟悉但对机器学习感兴趣并希望将其轻松应用于数据集的人。
- 任何想要开始数据科学职业的大学生。
- 任何想要提升机器学习水平的数据分析师。
- 任何对自己的工作不满意并想成为数据科学家的人。
- 任何想要通过使用强大的机器学习工具为其业务创造附加值的人。