یادگیری ماشینی دیگر آن قلمروی غیر قابل دسترس نیست. بیش از ۱۰۰،۰۰۰ کتابخانه پایتون وجود دارد که می توانید فقط با یک خط کد آنها را دانلود کنید. این دوره به شما ابزارهایی را معرفی می کند که می توانید مدل های پیش بینی را با پایتون – toolkit اصلی علم داده – ایجاد کنید. در این دوره با چالش هایی نظیر پیش بینی ارزش یک خانه در بوستون، متوسط درآمد یک بازیکن بیس بال، احتمال زنده ماندن افراد در تایتانیک، تعداد دیگری از مشکلات جالب دیگر، دانش تحلیل داده پایتون و پشته یادگیری ماشینی، ابزارهای موجود در اکوسیستم پایتون و غیره آشنا می شوید.

سرفصل:

  • معرفی دوره
  • معرفی یادگیری ماشینی
  • پشته یادگیری ماشینی پایتون
  • بررسی مجموعه داده اول
  • ایجاد اولین مدل
  • ارزیابی مدل
  • حل اولین چالش – رفع داده بد با Pandas
  • پیدا کردن مسائل با داده ها
  • استفاده از Pandas برای جهت دریافت داده برای مدل سازی
  • ساخت یک مدل برای ارزیابی شانس شما برای زنده ماندن در تایتانیک
  • بررسی انواع مدل های مختلف – SVM، مدل های خطی، جنگل های تصادفی
  • چه چیزی باعث می شود مدل ها واقعا متفاوت باشند؟
  • درک مزایا و معایب مدل های محبوب
  • تلاش (و شکست) استفاده از یک SVM، یک جنگل تصادفی و یک مدل خطی
  • رفع مشکلات با مدل SVM
  • رفع مشکلات با مدل جنگل تصادفی
  • یک مدل خطی را برای پیش بینی قیمت خانه تنظیم کنید
  • و غیره