Acest curs este o introducere practică și practică în Machine Learning cu Python și Scikit-Learn pentru începători cu cunoștințe de bază despre Python și statistici.
Este conceput și predat de Aakash NS, CEO și co-fondator al Jovian. Vezi canalul lor de YouTube aici: https://youtube.com/@jovianhq
Vom începe cu elementele de bază ale învățării automate prin a explora modele precum regresia liniară și logistică și apoi vom trece la modele bazate pe arbori, cum ar fi arbori de decizie, păduri aleatorii și mașini de creștere a gradientului. De asemenea, vom discuta despre cele mai bune practici pentru abordarea și gestionarea proiectelor de învățare automată și vom construi un model de învățare automată de ultimă generație pentru un set de date din lumea reală de la zero. De asemenea, vom analiza pe scurt învățarea și recomandările nesupravegheate și vom parcurge procesul de implementare a unui model de învățare automată în cloud folosind cadrul web Flask.
Până la sfârșitul acestui curs, vei putea să construiești, să antrenezi și să implementezi cu încredere modele de învățare automată în lumea reală. Pentru a profita la maximum de acest curs, urmați și introduceți singur tot codul și aplicați tehnicile prezentate aici altor seturi de date și competiții din lumea reală pe care le puteți găsi pe platforme precum Kaggle.
⭐️ Subiecte și caiete ⭐️
⌨️ (00:00:00) Introducere
⌨️ (00:00:25) Lecția 1 – Regresia liniară și coborârea gradientului
🔗 https://jovian.ai/aakashns/python-sklearn-linear-regression
⌨️ (02:17:30) Lecția 2 – Regresie logistică pentru clasificare
🔗 https://jovian.ai/aakashns/python-sklearn-logistic-regression
⌨️ (04:53:26) Lecția 3 – Arbori de decizie și păduri aleatorii
🔗 https://jovian.ai/aakashns/sklearn-decision-trees-random-forests
⌨️ (07:25:29) Lecția 4 – Cum să abordați proiectele de învățare automată
🔗 https://jovian.com/aakashns/how-to-approach-ml-problems
⌨️ (10:06:13) Lecția 5 – Mașini de creștere a gradientului cu XGBoost
🔗 https://jovian.ai/aakashns/python-gradient-boosting-machines
⌨️ (12:20:57) Lecția 6 – Învățare nesupravegheată folosind Scikit-Learn
🔗 https://jovian.ai/aakashns/sklearn-unsupervised-learning , https://jovian.ai/aakashns/movielens-fastai
⌨️ (13:53:18) Lecția 7 – Proiect de învățare automată de la zero
🔗 https://jovian.com/aakashns/nyc-taxi-fare-prediction-filled , https://jovian.com/aakashns/nyc-taxi-fare-prediction-blank
⌨️ (16:45:47) Lecția 8 – Implementarea unui proiect de învățare automată cu Flask
🔗 https://jovian.com/biraj/deploying-a-machine-learning-model
🎉 Mulțumim susținătorilor noștri Campion și Sponsor:
👾 davthecoder
👾 jedi-or-sith
👾 Nangong Qianying
👾 Agustín Kussrow
👾 Îl atrag pe Maneerat
👾 Heather Wcislo
👾 Serhiy Kalinets
👾 Justin Hual
👾 Otis Morgan
👾 Oscar Rahnama
—
Învățați să codificați gratuit și obțineți un job de dezvoltator: https://www.freecodecamp.org
Citiți sute de articole despre programare: https://freecodecamp.org/news
Cursuri interesante:
- Structuri de date și algoritmi în Python – Curs complet pentru începători
- Curs Scikit-Learn – Tutorial Învățare automată în Python
- Scikit-learn Crash Course – Biblioteca de învățare automată pentru Python
- Dezvoltare Web cu HTML și CSS – Curs complet pentru începători
- Curs Analiza datelor cu Python – Numpy, Pandas, Vizualizarea datelor
- Tutorial Dezvoltare Web cu Python – Aplicații web bazate pe baze de date Flask și dinamice
- Stanford CS224N: NLP cu Deep Learning | Iarna 2019 | Cursul 7 – Gradienți care dispar, RNN-uri fanteziste
- Tutorial SQL pentru începători (și întrebările de interviu tehnice rezolvate)
- Curs React – Tutorial pentru începători pentru biblioteca React JavaScript[2022]
- Python for Data Science – Curs pentru începători (Learn Python, Pandas, NumPy, Matplotlib)