Зарезервирован [Udemy] Python for Machine Learning and Data Mining [ENG-RUS]

Python для Машинного Обучения и Интеллектуального Анализа Данных
"Udemy" на русском
​

Автор: CARLOS QUIROS

Студия: Udemy

Год: 2019

Продолжительность: 12 часа 30 минут

Язык: Английский

Требования:

Базовые навыки программирования, линейная алгебра, концепции мат. анализа

Описание:

Интеллектуальный анализ данных и Машинное обучение - это горячие темы в сфере Business intelligence, используемые многими компаниями в мире. Эти области дают исследователям в области Науки о Данных возможность исследовать углубленные способы поиска данных, находить новую, ценную информацию, и создавать интеллектуальные алгоритмы которые могут "изучать" данные и принимать оптимальные решения для классификации или прогнозирования задач.

Этот курс с практическим подходом, поэтому я дам вам полезные фрагменты кода и расскажу вам, как создавать профессиональные ПК приложения для машинного обучения и обработки данных, на языке Python.
Мы также будем работать с реальными данными полученными от реальной торговой компании и представим наши результаты в профессиональном виде, с очень понятными графическими диаграммами.
Мы начнем с базового уровня, охватывающего основные темы языка Python, а также программы, необходимые для разработки наших приложений. Мы сделаем обзор основных программных пакетов для научного использования и анализа данных в python, таких как Numpy, Pandas, Matplotlib, Seaborn, Scikit-Learn и других. После этого мы углубимся в изучение моделей машинного обучения, с использованием очень мощного пакета Scikit-Learn, а также создадим собственный код и интерпретации.
Важные темы по машинному обучению и интеллектуальному анализу данных, которые мы рассмотрим в практических приложениях в этом курсе:

- Анализ данных и графическое отображение.
- Линейная и множественная регрессия
- Регуляризация
- Полиномиальная регрессия
- Логистическая регрессия
- Перекрестная проверка
- Метод опорных векторов для регрессии и классификации
- Деревья решений и случайный лес
- алгоритм k-ближайших соседей (KNN)
- GridSearchCV
- Метод главных компонент (PCA)
- Линейный дискриминантный анализ (LDA)
- Метод главных компонент ядра (KPCA)
- Ансамбль методов
- Метод (кластеризации) k-средних
- Анализ рыночной корзины
- Временной ряд в моделях ARIMA
- градиентный спуск
- Многослойные нейронные сети

Мы также будем работать с базой данных MySql, представляя данные через графический интерфейс пользователя (GUI), посредством окон, таблиц, меток, текстовых полей, взаимодействия с кнопками, комбинированных списков, событий мыши и многого другого.

Этот курс для:

• Каждого, кто хочет узнать о концепциях машинного обучения и интеллектуальном анализе данных
  
• Людей, которые хотят начать или продвинуть свою карьеру исследователя в области науки о данных
  
• Людей, которые хотят программировать на языке Python

Спойлер: Оригинальное описание

Data Mining and Machine Learching are a hot topics on business intelligence strategy on many companies in the world. These fields give to data scientists the opportunity to explore on a deep way the data, finding new valuable information and constructing intelligence algorithms who can "learn" since the data and make optimal decisions for classification or forecasting tasks.

This course is focused on practical approach, so i'll supply you useful snippet codes and i'll teach you how to build professional desktop applications for machine learning and datamining with python language.
We'll also manage real data from an example of a real trading company and presenting our results in a professional view with very illustrated graphical charts.
We'll initiate at the basic level covering the main topics of Python Language and also the needing programs to develop our applications. We will make a review of the main packages for scientific use and data analysis in python such us Numpy, Pandas, Matplotlib, Seaborn, Scikit-Learn and more. After that we'll dive into maching learning models applying the very powerful Scikit-Learn package, but also we will construct our own code and interpretations.
Hot topics on Machine Learning and Data Mining that we will cover with practical applications on this course are:

- Data Analysis and graphical display.
- Linear and Multiple Regression
- Regularization
- Polynomial Regression
- Logistic Regression
- Cross Validation
- Support Vector Machines for Regression and Classification
- Decision Trees and Random Forest
- KNN algorithm
- GridSearchCV
- Principal Component Analysis (PCA)
- Linear Discriminant Analysis (LDA)
- Kernel Principal Component Analysis (KPCA)
- Ensemble methods
- K means clustering analysis
- Market Basquet Analysis
- Time Series with ARIMA models
- Gradient Descent
- Multilayer Neural Networks

We will also work with MySql database, presenting data through Graphical User Interface (GUI), on windows, tables, labels, textboxs, interacting with buttons, combo box, mouse events and much more.

Для кого этот курс:

• Everyone who wants to learn about machine learning and datamining concepts and applications
• People who want to start or improve their careers as a data scientist
• People who wants to programm in python language

Страница курса:

Пример перевода:

Курс зарезервировал squal, начнет переводить, когда запишутся минимум 70-75 человек

 

Добавлен пример перевода