WalkSelf · AI, Technologia i Inżynieria · AI i Uczenie Maszynowe

Uczenie Nadzorowane

Opanuj najpopularniejszy rodzaj uczenia maszynowego. Naucz się tworzyć modele, które dokonują prognoz na podstawie oznaczonych danych, obejmujące zadania regresji i klasyfikacji.

Uczenie Nadzorowane

Klasyfikacja uczenia maszynowego: algorytmy nadzorowane i implementacja

Początki uczenia maszynowego z Scikit-Learn i Pythonem

Inżynieria funkcji dla uczenia maszynowego

Podstawy uczenia maszynowego dla systemów rekomendacji

Zastosowanie algorytmów klasyfikacji w uczeniu maszynowym

Modele lasów losowych do analizy predykcyjnej

Inżynieria funkcji i transformacja danych na potrzeby uczenia maszynowego

Regresja logistyczna: podstawy klasyfikacji uczenia maszynowego

Podstawy uczenia maszynowego z Pythonem

Podstawy stosowanych danych i uczenia maszynowego

Praktyczna regresja lasu losowego w Pythonie

Inżynieria funkcji i przygotowanie danych do uczenia maszynowego

Klasyfikacja w nauce o danych: podstawy i zastosowania

Opanowanie kompromisu stronniczości i wariancji w uczeniu maszynowym

Podstawy drzew decyzyjnych dla uczenia maszynowego

Uczenie maszynowe w R z Caret

Uczenie maszynowe z nadzorem: przewidywanie z wykorzystaniem etykietowanych danych

Budowanie modeli uczenia maszynowego: regresja, klasyfikacja i klasterowanie

Podstawy uczenia maszynowego: sieci neuronowe i lasy losowe

Regresja logistyczna w Pythonie: potoki uczenia maszynowego z nadzorem

Wprowadzenie do regresji i klasyfikacji w nauce o danych

Stosowane uczenie maszynowe: praktyczne techniki rozwiązywania problemów w świecie rzeczywistym

Uczenie maszynowe do badań naukowych i analizy danych

Zastosowana regresja liniowa i nauczanie z nadzorem w Pythonie