Dacă ați dorit vreodată să știți despre ce este vorba atunci când vorbim despre Machine Learning și Data Science, acest curs este pentru dvs. Inteligența artificială transformă mai multe industrii.
– Acest curs este dedicat developerilor.
Unele dintre abilitățile și conceptele cheie pe care le veți obține cu acest curs:
– Veți putea înțelege și scrie Python
– Creați schițe frumoase și impresionați-vă managerul
– Încărcați, prelucrați și afișați datele cu Python Pandas (sursele includ fișierele CSV, Excel, HTML etc.)
– Înțelegeți conceptele cheie de învățare automată și învățare profundă
– Construiți un clasificator de imagini pentru cifre scrise manual și haine de modă
– Pe parcurs, veți vedea cum toate aceste concepte sunt aplicate în industrie și veți primi sfaturi practice.
– Phyton
Machine Learning Introduction – algoritmi clasici de ML si Deep Learning
- Definitions
- What is it used for
- Machine Learning Pipeline
- Types of Machine Learning
- ** Supervised Learning
- ** Unsupervised Learning
- ** Reinforcement Learning
- Summary of tools that we need to work with (Python, Numpy, etc)
Python and Jupyter Notebook
- Introduction
- Python Crash course
- Python Packages
- Virtual Environments
- Anaconda/miniconda/conda
- Jupyter Notebook Introduction
Numpy Python Library
- Introduction
- Arrays
- Indexing
- Operations
Pandas Python Library for Data Analysis
- Introduction
- Panda Series
- Panda Frames
- Data Input
Matplotlib Python Library for Data Visualization
- Introduction
- Basic plotting
- Saving plots
- Loading, displaying images
Seaborn Python Library for Data Visualization
- Introduction
- Plots
- ** Distribution Plots
- ** Categorical Plots
- ** Matrix Plots
Supervised Learning
- What is a dataset
- Splitting the dataset (train/val/test)
- ** Notes on the ability to generalize (Generalization)
- Feature selection
- ** K Means Clustering
- Bias Variance Tradeoff
- Overfitting
- Underfitting
- What is an outlier?
- How do we perform? Confusion Matrix
Supervised Learning algorithms
- sci-kit learn introduction
- Linear Regression, Polynomial Regression
- Model Evaluation, Selecting the Best Model
- Bias-Variance trade-off
- Logistic Regression
- Naive Bayes
- K Nearest Neighbors (KNN)
- Decision Trees and Random Forests
Unsupervised Learning
- Clustering
- K Means Clustering
- Dimensionality Reduction
- ** Principal Components Analysis (PCA)
- ** Singular Value Decomposition (SVD)
Neural Networks
- Definitions
- ** Neuron
- ** Multiple Neurons
- ** Multiple Layers
- ** Fully Connected Layers
- ** Other Types of layers
- Common Tasks (Image Classification, Object Detection, Segmentation, etc)
- Number of parameters
- Common Architectures
Introduction to Tensorflow and Keras API
- Tensors
- Computation Graph
- Visualizing the Graph
- Training
Image Classification with Tensorflow
- Building a simple architecture by hand
- MNIST Dataset
- Data Augmentation
Nu sunt programe de ceritifcare pentru acest curs.
