AulaPro verwendet Cookies, um seinen Benutzern ein besseres Erlebnis zu bieten. Sie können weitere Informationen erhalten hier, oder klicken Sie einfach auf "Ich akzeptiere" oder außerhalb dieses Hinweises, um weiter zu surfen.
Virtueller Kurs von:
Udemy |
Dieser Kurs wurde in einem Katalog von mehr als 100 Kursen unter die Top 135.000 der besten Kurse auf Udemy eingestuft.
Dieser Kurs ist Teil unserer Überprüfung auf:
Interessieren Sie sich für den Bereich maschinelles Lernen? Dann ist dieser Kurs genau das Richtige für Sie! Dieser Kurs wurde von zwei professionellen Datenwissenschaftlern entwickelt, damit wir unser Wissen teilen und Ihnen helfen können, komplexe Theorien, Algorithmen und Codierungsbibliotheken auf einfache Weise zu erlernen.
Wir führen Sie Schritt für Schritt in die Welt des maschinellen Lernens.
Mit jedem Tutorial entwickeln Sie neue Fähigkeiten und verbessern Ihr Verständnis dieses herausfordernden, aber lukrativen Teilgebiets der Datenwissenschaft.
Dieser Kurs macht Spaß und ist spannend, aber gleichzeitig vertiefen wir uns in maschinelles Lernen.
Es ist wie folgt aufgebaut: Teil 1 – Datenvorverarbeitung Teil 2 – Regression: Einfache lineare Regression, multiple lineare Regression, polynomiale Regression, SVR, Entscheidungsbaum-Regression, Random-Forest-Regression Teil 3 – Klassifizierung: logistische Regression, K-NN, SVM, Kernel-SVM, Naive Bayes, Entscheidungsbaum-Klassifizierung, Random-Forest-Klassifizierung Teil 4 – Clustering: K-Means, Hierarchisches Clustering Teil 5 – Lernen von Assoziationsregeln: Apriori, Eclat Teil 6 – Lernen durch Verstärkung: Obere Vertrauensgrenze, Thompson-Sampling Teil 7 – Natural Language Processing: Bag-of-Words Model Algorithms for NLP Part 8 – Deep Learning: Artificial Neural Networks, Convolutional Neural Networks Part 9 – Dimensionality Reduction: PCA, LDA, Core PC Part 10 – Model Selection and Strengthening: k-fold cross -Validierung, Parameter-Tuning, Grid-Suche, XGBoost Auch die cu rso ist vollgepackt mit praktischen Übungen, die auf realen Beispielen basieren.
So lernst du nicht nur die Theorie, sondern bekommst auch etwas Übung beim Bau deiner eigenen Modelle.
Und als Bonus enthält dieser Kurs Python- und Rcode-Vorlagen, die Sie herunterladen und in Ihren eigenen Projekten verwenden können.
Wichtige Aktualisierungen (Juni 2020): ALLE AKTUELLEN CODES FÜR EEP-LERNEN, KODIERT AUF TENSORFLOW .0 TOP GRADIENT BOOSTING MODELS, EINSCHLIESSLICH XGBOOST UND SOGAR CATBOOST.
5
Udemy verfügt über die weltweit größte Sammlung von Online-Kursen
Zugriff auf den Inhalt des Kurses nach Abschluss, damit Sie seine zukünftigen Updates genießen können
Experten auf ihrem Gebiet aus der ganzen Welt teilen ihr Fachwissen auf Udemy
Weltweit wurden 480 Millionen Mal für Udemy-Kurse angemeldet
Hallo, wie kann ich Ihnen helfen? Interessieren Sie sich für einen Kurs? Zu welchem Thema?
AulaPro verwendet Cookies, um seinen Benutzern ein besseres Erlebnis zu bieten. Sie können weitere Informationen erhalten hier, oder klicken Sie einfach auf "Ich akzeptiere" oder außerhalb dieses Hinweises, um weiter zu surfen.
Felipe
Juni 9, 2021 bei 5: 00 UhrIch bin sehr froh, dass ich mich für diesen Kurs angemeldet habe. Ich danke sowohl Kirill als auch Hadelin für die Organisation dieses riesigen und soliden Kurses. Obwohl der Kurs nicht perfekt ist, bot er einen umfassenden Überblick über die meisten maschinellen Lernalgorithmen.
Mein einziger Kritikpunkt wäre die Verbesserung der Einsichtsvorträge. Außerdem konzentrierte sich dieser Kurs mehr auf den modellzentrierten Ansatz des maschinellen Lernens. Vielleicht wäre es großartig, auch den Umgang mit einem Datensatz aus einer „datenzentrierten“ Perspektive einzubeziehen, was die Auswahl von Merkmalen, die Extraktion von Merkmalen, das Ausbalancieren des Datensatzes usw. umfasst, dh wie die Qualität von Datensätzen verbessert werden kann.
Für Studieninteressierte: Sie werden viel aus diesem Kurs lernen, aber seien Sie darauf vorbereitet, proaktiv zu sein. Das heißt, Sie können gerne über YouTube, Google, Stack Overflow usw. recherchieren. über die Grundlagen einiger maschineller Lernalgorithmen und andere Informationen. Tatsächlich ist es eine gute Praxis, denn auch im wirklichen Leben müssen wir bei der Arbeit an Projekten proaktiv sein.
Das Wichtigste ist, Spaß am maschinellen Lernen zu haben 🙂
Louis Carlos Ramírez
Juli 16, 2021 bei 3: 59 UhrEin wirklich gut strukturierter Kurs, der eine gute Einführung in alle Teile des maschinellen Lernens für eine Person bietet, die bei Null anfängt. Ich habe diesen Kurs während meines Master-Studiums in Data Science belegt und er hat mir die Grundlage für mehrere Module gegeben, die mir den Einstieg erleichtert haben.