Машинное обучение в Python: Machine Learning & Data Science
Изучите NumPy, Pandas, Matplotlib, Seaborn, Scikit-Learn и многое другое! Осваивайте Искусственный Интеллект на практике
What you will learn
Построение моделей машинного обучения с учителем (Supervised Learning)
Применение NumPy для работы с числами в Python
Применение Seaborn для создания красивых графиков визуализации данных
Применение Pandas для манипуляции с данными в Python
Применение Matplotlib для детальной настройки визуализаций данных в Python
Конструирование признаков (Feature Engineering) на реалистичных примерах
Алгоритмы регрессии для предсказания непрерывных переменных
Навыки подготовки данных к машинному обучению
Алгоритмы классификации для предсказания категориальных переменных
Создание портфолио проектов машинного обучения и Data Science
Работа с Scikit-Learn для применения различных алгоритмов машинного обучения
Быстрая настройка Anaconda для работ по машинному обучению
Понимание полного цикла этапов работ по машинному обучению
Why take this course?
Добро пожаловать на самый полный курс по Машинному Обучению и Data Science!
Этот курс - лучший способ начать с нуля и стать специалистом по Data Science и машинному обучению с помощью Python.
Этот объёмный курс может заменить Вам целый набор других курсов, которые могут стоить в десятки раз больше.
В этом курсе Вы изучите следующие темы:
Программирование в Python (экспресс-курс)
NumPy в Python
Детальное изучение Pandas для анализа и предварительной обработки данных
Детальное изучение Seaborn для визуализации данных (включая Matplotlib для кастомизации графиков)
Машинное обучение с помощью SciKit Learn, включая следующие темы:
Linear Regression - Линейная Регрессия
Regularization - Регуляризация
Lasso Regression - Лассо-Регрессия
Ridge Regression - Ридж-Регрессия
Регуляризация Elastic Net
Logistic Regression - Логистическая регрессия
K Nearest Neighbors - Метод К-ближайших соседей
Decision Trees - Деревья решений
Random Forests - Случайные леса
AdaBoost, GradientBoosting - Адаптивный бустинг, Градиентный бустинг
Natural Language Processing - Обработка языковых данных
K Means Clustering - Кластеризация К-средних
Hierarchical Clustering - Иерархическая кластеризация
DBSCAN (Density-based spatial clustering of applications with noise) - Кластеризация на основе плотности данных
PCA - Principal Component Analysis - Метод главных компонент
И многое, многое другое!
Внутри курса находится набор блокнотов Jupyter Notebook с русском языке с примерами кода и детальным описанием. Для каждой лекции это отдельные блокноты, которые разложены по папкам с соответствии с разделами курса. Так что Вы сможете не только просмотреть видео-лекции, но и прочитать блокноты. Это особенно удобно, когда Вам нужно что-то вспомнить или быстро пробежаться по материалу в поисках нужной информации.
Как всегда, мы очень ценим возможность стать Вашими инструкторами по Data Science, машинному обучению и Python. Надеемся, что Вы запишетесь на этот курс и прокачаете Ваши навыки!