用于机器学习的 Python:完整的初学者课程
学习用 Python 为学生和专业人士创建机器学习算法
讲师:Meta Brains
独家Udemy付费课程,中英文字幕,课程资料包齐全!
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。
你将会学到的
- 学习 Python 编程和 Scikit 学习应用于机器学习回归
- 了解简单和多元线性回归技术背后的基本理论
- 学习解决回归问题(线性回归和逻辑回归)
- 使用 sklearn 学习逻辑回归的理论和实际实现
- 学习决策树背后的数学
- 了解用于聚类的不同算法
课程内容
10 个章节 • 87 个讲座 • 总时长 2 小时 28 分钟展开所有章节
机器学习简介7 个讲座 • 10 分钟
可选:设置 Python 和 ML 算法实现7 个讲座 • 14 分钟
简单线性回归6 个讲座 • 11 分钟
多元线性回归8 个讲座 • 20 分钟
分类算法:K-Nearest Neighbors10 个讲座 • 14 分钟
分类算法:决策树8 个讲座 • 12 分钟
分类算法:逻辑回归8 个讲座 • 14 分钟
聚类15 个讲座 • 27 分钟
推荐系统17 个讲座 • 25 分钟
结论1 个讲座 • 1 分钟
要求
- 具有 Python 基础知识的经验
- 准备、灵活性和对学习的热情
- 基本数学技能
说明
要了解 Google、Amazon 甚至 Udemy 等组织如何使用机器学习和人工智能 (AI) 从庞大的数据集中提取意义和见解,本机器学习课程将为你提供基本知识。根据 Glassdoor 和 Indeed 的数据,数据科学家的平均收入为 120,000 美元,这只是常态!
当谈到吸引力时,数据科学家已经在那里了。在竞争激烈的就业市场中,他们被录用后很难留住他们。具有独特的科学训练、计算机专业知识和分析能力的人很难找到。
与 1980 年代和 1990 年代的华尔街“量化专家”一样,现代数据科学家也有望拥有类似的技能组合。在那个年代,有物理和数学背景的人涌向投资银行和对冲基金,因为他们可以想出新的算法和数据方法。
话虽如此,数据科学正在成为 21 世纪最适合取得成功的职业之一。它本质上是计算机化的、编程驱动的和分析性的。因此,在过去几年中,就业市场对数据科学家的需求不断增加也就不足为奇了。
另一方面,供应受到很大限制。获得被招募为数据科学家所需的知识和能力具有挑战性。
本课程尽量减少数学符号和行话,每个主题都用简单的英语解释,更容易理解。一旦你掌握了代码,你就可以使用它并在其上进行构建。本课程的重点是在现实世界中理解和使用这些算法,而不是在理论或学术环境中。
你将带着一个可以立即投入使用的新想法离开每个视频!
本课程欢迎所有技能水平,即使你之前没有统计经验,你也能成功!
此课程面向哪些人:
- 任何想从事机器学习事业的人
- 任何愿意将机器学习能力添加到他们的投资组合中的 Python 编程爱好者
- 对机器学习在现实世界中如何运作感到好奇的技术专家
- 希望将机器学习添加到他们的技能中的程序员