完全免费地学习机器学习A-Z动手学习Python和R in Data Science。
完整的udemy课程免费。
您将学到什么
掌握Python和R的机器学习
具有许多机器学习模型的直觉
做出准确的预测
进行有力的分析
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
处理诸如强化学习,NLP和深度学习之类的特定主题
处理诸如降维等先进技术
知道为每种类型的问题选择哪种机器学习模型
建立强大的机器学习模型大军,并知道如何将它们组合起来以解决任何问题
描述
对机器学习领域感兴趣?那么本课程适合您!
本课程由两位专业的数据科学家设计,因此我们可以共享我们的知识,并帮助您以简单的方式学习复杂的理论,算法和编码库。
我们将逐步引导您进入机器学习世界。通过每个教程,您都将开发新技能,并加深您对数据科学这一充满挑战但利润丰厚的子领域的了解。
本课程既有趣又令人兴奋,但是与此同时,我们也深入研究了机器学习。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,多重线性回归,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,内核SVM,朴素贝叶斯,决策树分类,随机森林分类
第4部分-聚类:K-Means,分层聚类
第5部分-关联规则学习:Apriori,Eclat
第6部分-强化学习:置信区间上限,汤普森抽样
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-模型选择和增强:k折交叉验证,参数调整,网格搜索,XGBoost
此外,该课程还包含基于实际示例的实践练习。因此,您不仅将学习理论,而且还将获得一些动手实践来构建自己的模型。
另外,本课程还包括Python和R代码模板,您可以在自己的项目中下载和使用它们。
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且想要开始学习机器学习的学生。
任何了解机器学习基础的中级人员,包括诸如线性回归或逻辑回归之类的经典算法,但他们想进一步了解它并探索机器学习的所有不同领域。
任何不喜欢编码但对机器学习感兴趣并希望将其轻松应用于数据集的人。
任何想在数据科学领域开始职业的大学学生。
任何想要升级机器学习的数据分析师。
任何对工作不满意并希望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。