知名線上課程 機器學習實戰(含教材) 講師:周凡剛 影音教學 中文發音 繁體中文版(DVD版)
有了一些Python基礎，想要更深入了解人工智慧、機器學習嗎？快跟著周凡剛老師的線上課程，學習Scikit-learn套件，建立機器學習模型，並利用演算法分析平常難以分析的資料，跟著TibaMe的Python人工智慧課程，帶領你實際操作最新演算法，且實作分析資料！
機器學習基礎課程
人工智慧基礎慨念與線上實例介紹
簡述人工智慧與課程內容
開發環境的介紹與說明
建立機器學習模型的步驟
jupyter 的使用說明
決策樹(decision tree)原理與架構
graphviz的安裝流程
實作1-1:下載並讀取Iris資料集
實作1-2:模型的訓練邏輯與繪製heatmap
實作1-3:模型的訓練流程與圖形視覺化
實作1-4:accuracy_score評估函式與混淆矩陣
實作1-5:模型的訓練技巧
實作2-1:載入波士頓房價資料集與建立迴歸模型
實作2-2:建立圖形視覺化與r2_score評估函式說明
實作2-3:交叉驗證與訓練結果分析
K-means分群原理說明
實作3-1:載入iris資料集與建立分群模型
實作3-2:訓練結果分析與silhouette_score評估函數說明
實作3-3:繪製分析圖表
單純貝式(Naive-Bayes)原理說明
實作4-1: 載入中文詩詞資料集與jieba中文分詞
實作4-2:模型的訓練邏輯與CountVectorizer的應用
實作4-3:三種單純貝式模型的差異與使用時機
實作4-4:模型建立與訓練結果分析
TfidfVectorizer與MultinomialNB
機器學習進階實作
Kaggle 介紹
實作5-1:資料格式的說明與載入titanic資料集
實作5-2:填補缺失值
實作5-3:One-Hot Encoding
實作5-4:資料清理
實作5-5:繪製heatmap
實作5-6:隨機森林的原理說明、模型建立和訓練結果分析
實作5-7:儲存預測結果及上傳驗證與課程總結
|
|
您現在的位置：
專業知識教學
