Удаление [Udemy] Introduction to Machine Learning for Data Science [ENG-RUS]

Введение в Машинное обучение для Науки о данных
"Udemy" на русском


​

Автор: David Valentine

Студия: Udemy

Год: 2019

Продолжительность: 05 часа 30 минут

Язык: Английский

Требования:

• Желание учиться и базовые компьютерные навыки!
  
• Студенты должны понимать базовый уровень школьной математики, но статистика не требуется для понимания этого курса.

Описание:

Курс обновлен в Ноябре 2018

Благодарим за интерес к курсу. Мы рады вниманию более чем 20000 студентов из 160 стран. Я действительно тронут большим количеством положительных и продуманных обзоров. Это большая привелегия - представлять такую важную тему в простой и понятной форме.
Так же я рад сообщить, что я создал субтитры для всех материалов курса, так что если они нужны вам можете использовать их, они могут облегчить вам процесс обучения (отлично подходит тем, у кого Английский - не родной).

Что важно:

Чтобы сделать курс более "настоящим", мы расширили его. В Ноябре 2018, он увеличился с восьми секций и 41-й лекции до 15 секций и 62 лекций. Надеемся, они вам понравятся.
Разблокируйте секреты понимания Машинного обучения для Науки о данных!
В этом вводном курсе мы проведем вас по пустошам Машинного Обучения для Науки о данных. Доступный для всех, он объясняет не только Машинное обучение, но и то, как оно вписывается в техносферу вокруг нас и почему является важным сегодня, а так же то, каким драматическим образом изменит мир в будущем.

Наше экзотическое путешествие будет включать в себя основные понятия:

• Отвратительное определение Информатики и то, которое будет более удобоваримым
  
• Объяснение данных, которое позволит вам видеть их везде
  
• Один из "величайших обманов", которые связаны с Информатикой
  
• Подлинное объяснение Больших Данных и как не попасться в маркетинговые сети
  
• Что такое Искуственный Интеллект? Может ли компьютер думать? Как компьютеры делают вещи вроде навигации по GPS или участия в играх?
  
• Что такое Машинное Обучение? И если компьютер может думать - может ли он учиться?
  
• Что такое Наука о Данных и как она связана с единорогами?
  
• Как Информатика, Искусственный Интеллект, Машинное Обучение, Большие Данные и Наука о данных связаны друг с другом?

Затем мы исследуем прошлое, будущее, коснемся важности, влияния и примеров Машинного обучения, для Науки о Данных:

• Как сочетание Данных и алгоритмов Компьютерного и Машинного обучения стало очень важным в данный момент
• Как изменились компьютерные технологии с 1956 по 2014. У вас дома суперкомпьютер? Вы можете удивиться, узнав правду.
• Мы обсудим проблемы, которые решает машинное обучение, и визуально объясним Регрессию, кластерный анализ и классификацию - интуитивно понятным образом.
• Что важно, мы покажем, как это может изменить наши жизни. Не только жизни бизнес-воротил, но, что важно - ваши тоже!

Чтобы разобраться с машинной частью машинного обучения, мы исследуем процесс машинного обучения:

• Как решать проблемы при помощи Машинного обучения и какие пять вещей вы должны сделать, чтобы добиться успеха?
• Как ставить правильный вопрос, чтобы он был решен при помощи машинного обучения?
• Идентификация, получение и подготовка правильных данных... и работа с грязными данными.
• Почему каждая проблема уникальна, но чем упорядоченные данные похожи на семьи?
• Как идентифицировать и применить алгоритмы машинного обучения, с экзотическими названиями "деревья решений", "нейросети", "Метод k-ближайших соседей" и "Наивные байесовские классификаторы"?
• Ошибки, которых стоит избегать и как настроить ваше машинное обучение для подтверждения успешного результата в Науке о данных.

Финальная часть курса подготовит вас к началу будущего путешествия по теме Машинного обучения для Науки о Данных, после завершения курса. Мы исследуем:

• Как начать применять Машинное Обучение и не сойти с ума
  
• Какое оборудование использует исследователь в Науке о данных (ответ может вас удивить)
  
• Пять главных инструментов для науки о данных, включая неожиданные.
  
• Объяснение того, как их использовать.
  
• Завершение с предостерегающими историями, чтобы ваш процесс применения Машинного Обучения для науки о данных прошел без проблем.
• Бонусный курс! Чтобы курс был действительно действительным, я добавил бонусный курс!
  Наиболее важно в бонусном курсе то, что я добавил информацию в конце каждой секции, озаглавленную "будущая магия для исследования", которая поможет вам продолжить обучение.

В этом курсе мы исследуем:

• Создание образца настоящего Машинного обучения, пропорций Титаника. Мы предскажем выживаемость на борту Титаника.
  
• Использование Anaconda Jupyter и python 3.x
  
• Ускоренный курс по Python. Все понятия, которые вам нужны для понимания образцов кода. Смотрите дополнительные чит-страницы.
  
• Работа с Python (интерактивно, с скриптами, и с Jupyter)
  
• Основы того, как использовать Jupyter Notebook
  
• Обзор и усиление центральных понятий Машинного Обучения (которые мы вскоре применим)
  
• Основы существенных модулей Машинного Обучения и Науки о данных:

1.NumPy - применение массива.
2.Pandas - библиотека анализа данных Python
3.SciPy - фундаментальный набор научных вычислений в Python
4.Scikit-Learn - простые и эффективные инструменты поиска данных, анализа данных и Машинного Обучения

• В примере «Титаник» мы будем следовать всем этапам рабочего процесса машинного обучения:

1.Правильная постановка вопроса.
2.Идентификация, получение, и подготовка правильных данных
3.Идентификация и применение алгоритма Машинного Обучения
4.Оценка производительности модели и настройка
5.Использование и представление модели

• Так же мы рассмотрим примеры настоящих проблем Машинного Обучения, включая переобучение и недообучение.

Бонусный курс закончится подведением итогов и предоставлением источников для самостоятельного изучения Машинного Обучения.

Приглашаю вас присоединиться ко мне, в путешествии по раскрытию секретов Машинного Обучения для Науки о данных, для обычных людей, вроде вас.

Записывайтесь и увидимся на другой стороне.

Для кого этот курс:

• Вводный курс, который нужно пройти еще до установки Python. Он проведет вас по основам, которые нужны вам перед началом.
  
• Для всех, кому интересно разбираться в применении Машинного Обучения для Науки о данных.
  
• Для владельцев бизнеса, менеджеров, разработчиков приложений, потребителей - вас.
  
• Искателей приключений, которые готовы связать себя с экзотическим миром Науки о данных и Машинного Обучения.

Спойлер: Оригинальное описание

Course Most Recently Updated Nov/2018!

Thank you all for the huge response to this emerging course! We are delighted to have over 20,000 students in over 160 different countries. I'm genuinely touched by the overwhelmingly positive and thoughtful reviews. It's such a privilege to share and introduce this important topic with everyday people in a clear and understandable way.

I'm also excited to announce that I have created real closed captions for all course material, so weather you need them due to a hearing impairment, or find it easier to follow long (great for ESL students!)... I've got you covered.

Most importantly:

To make this course "real", we've expanded. In November of 2018, the course went from 41 lectures and 8 sections, to 62 lectures and 15 sections! We hope you enjoy the new content!


Unlock the secrets of understanding Machine Learning for Data Science!

In this introductory course, the “Backyard Data Scientist” will guide you through wilderness of Machine Learning for Data Science. Accessible to everyone, this introductory course not only explains Machine Learning, but where it fits in the “techno sphere around us”, why it’s important now, and how it will dramatically change our world today and for days to come.

Our exotic journey will include the core concepts of:

• The train wreck definition of computer science and one that will actually instead make sense.
  
  
• An explanation of data that will have you seeing data everywhere that you look!
  
  
• One of the “greatest lies” ever sold about the future computer science.
  
  
• A genuine explanation of Big Data, and how to avoid falling into the marketing hype.
  
  
• What is Artificial intelligence? Can a computer actually think? How do computers do things like navigate like a GPS or play games anyway?
  
  
• What is Machine Learning? And if a computer can think – can it learn?
  
  
• What is Data Science, and how it relates to magical unicorns!
  
  
• How Computer Science, Artificial Intelligence, Machine Learning, Big Data and Data Science interrelate to one another.

We’ll then explore the past and the future while touching on the importance, impacts and examples of Machine Learning for Data Science:

• How a perfect storm of data, computer and Machine Learning algorithms have combined together to make this important right now.
  
  
• We’ll actually make sense of how computer technology has changed over time while covering off a journey from 1956 to 2014. Do you have a super computer in your home? You might be surprised to learn the truth.
  
  
• We’ll discuss the kinds of problems Machine Learning solves, and visually explain regression, clustering and classification in a way that will intuitively make sense.
  
  
• Most importantly we’ll show how this is changing our lives. Not just the lives of business leaders, but most importantly…you too!

To make sense of the Machine part of Machine Learning, we’ll explore the Machine Learning process:

• How do you solve problems with Machine Learning and what are five things you must do to be successful?
  
  
• How to ask the right question, to be solved by Machine Learning.
  
  
• Identifying, obtaining and preparing the right data … and dealing with dirty data!
  
  
• How every mess is “unique” but that tidy data is like families!
  
  
• How to identify and apply Machine Learning algorithms, with exotic names like “Decision Trees”, “Neural Networks” “K’s Nearest Neighbors” and “Naive Bayesian Classifiers”
  
  
• And the biggest pitfalls to avoid and how to tune your Machine Learning models to help ensure a successful result for Data Science.

Our final section of the course will prepare you to begin your future journey into Machine Learning for Data Science after the course is complete. We’ll explore:

• How to start applying Machine Learning without losing your mind.
  
  
• What equipment Data Scientists use, (the answer might surprise you!)
  
  
• The top five tools Used for data science, including some surprising ones.
  
  
• And for each of the top five tools – we’ll explain what they are, and how to get started using them.
  
  
• And we’ll close off with some cautionary tales, so you can be the most successful you can be in applying Machine Learning to Data Science problems.

Bonus Course! To make this “really real”, I’ve included a bonus course!

Most importantly in the bonus course I’ll include information at the end of every section titled “Further Magic to Explore” which will help you to continue your learning experience.

In this bonus course we’ll explore:

• Creating a real live Machine Learning Example of Titanic proportions. That’s right – we are going to predict survivability onboard the Titanic!
  
  
• Use Anaconda Jupyter and python 3.x
  
  
• A crash course in python - covering all the core concepts of Python you need to make sense of code examples that follow. See the included free cheat sheet!
  
  
• Hands on running Python! (Interactively, with scripts, and with Jupyter)
  
  
• Basics of how to use Jupyter Notebooks
  
  
• Reviewing and reinforcing core concepts of Machine Learning (that we’ll soon apply!)
  
  
• Foundations of essential Machine Learning and Data Science modules:
  • NumPy – An Array Implementation
    
    
  • Pandas – The Python Data Analysis Library
    
    
  • Matplotlib – A plotting library which produces quality figures in a variety of formats
    
    
  • SciPy – The fundamental Package for scientific computing in Python
    
    
  • Scikit-Learn – Simple and efficient tools data mining, data analysis, and Machine Learning
• In the titanic hands on example we’ll follow all the steps of the Machine Learning workflow throughout:
  • 1. Asking the right question.
    
    
  • 2. Identifying, obtaining, and preparing the right data
    
    
  • 3. Identifying and applying a Machine Learning algorithm
    
    
  • 4. Evaluating the performance of the model and adjusting
    
    
  • 5. Using and presenting the model
• We’ll also see a real world example of problems in Machine learning, including underfit and overfit.
  
  The bonus course finishes with a conclusion and further resources to continue your Machine Learning journey.

So I invite you to join me, the Backyard Data Scientist on an exquisite journey into unlocking the secrets of Machine Learning for Data Science.... for you know - everyday people... like you!

Sign up right now, and we'll see you – on the other side!

Для кого этот курс:

• Before you load Python, Before you start R - you need this course. This introductory course will introduce you to the Fundamentals, that you need before you start getting "Hands on".
• Anyone interested in understanding how Machine Learning is used for Data Science.
• Including business leaders, managers, app developers, consumers - you!
• Adventurous folks, whom are ready to strap themselves into the exotic world of Data Science and Machine Learning.

Страница курса:

Пример перевода:

Курс зарезервировал squal, начнет переводить, когда запишутся минимум 40-45 человек

 

Добавлен пример перевода

 

мы знаем про эти скидки, они там постоянны, закончатся одни, через неделю новые

Народ соберётся, потом уже и будем покупать чтобы начать переводить курс