Machine Learning AZ : Python pratique et R en science des données - MOOC - Udemy Liste vérifiée

Intéressé par le domaine de l'apprentissage automatique ? Alors ce cours est fait pour vous ! Ce cours a été conçu par deux scientifiques professionnels des données afin que nous puissions partager nos connaissances et vous aider à apprendre facilement des théories complexes, des algorithmes et des bibliothèques de codage.

Nous vous guiderons pas à pas dans le monde du machine learning.

Avec chaque didacticiel, vous développerez de nouvelles compétences et améliorerez votre compréhension de ce sous-domaine difficile mais lucratif de la science des données.

Ce cours est amusant et passionnant, mais en même temps, nous plongeons dans l'apprentissage automatique.

Il est structuré comme suit : Partie 1 - Prétraitement des données Partie 2 - Régression : Régression linéaire simple, Régression linéaire multiple, Régression polynomiale, SVR, Régression par arbre de décision, Régression en forêt aléatoire Partie 3 - Classification : Régression logistique, K -NN, SVM, Kernel SVM, Naive Bayes, Decision Tree Classification, Random Forest Classification Partie 4 - Clustering : K-Means, Hierarchical Clustering Partie 5 - Association Rule Learning : Apriori, Eclat Part 6 - Apprentissage par renforcement : Upper Confidence Limit, Thompson Sampling Partie 7 - Traitement du langage naturel : Algorithmes de modèles de sacs de mots pour le TALN Partie 8 - Apprentissage en profondeur : Réseaux de neurones artificiels, Réseaux de neurones convolutifs Partie 9 - Réduction de la dimensionnalité : PCA, LDA, Core PC Partie 10 - Sélection et renforcement du modèle : k-fold cross -validation, réglage des paramètres, recherche de grille, XGBoost Aussi, le cu rso est rempli d'exercices pratiques basés sur des exemples concrets.

Ainsi, non seulement vous apprendrez la théorie, mais vous vous exercerez également à créer vos propres modèles.

Et en prime, ce cours comprend des modèles Python et Rcode que vous pouvez télécharger et utiliser dans vos propres projets.

Mises à jour majeures (juin 2020) : CODES TOUS À JOUR POUR L'APPRENTISSAGE EEP ENCODÉ SUR LES MODÈLES TENSORFLOW .0 TOP GRADIENT BOOSTING, Y COMPRIS XGBOOST ET MÊME CATBOOST.