Кошик
166 відгуків

Зараз у компанії неробочий час. Замовлення та повідомлення будуть оброблені з 10:00 найближчого робочого дня (сьогодні).

+380 (63) 642-27-65
vevor.in.ua
Кошик

Курс машинного навчання - Дерева рішень та випадкові ліси - ОНЛАЙН-версія 6037630

3 175 ₴

  • В наявності
  • Код: 6037630
Курс машинного навчання - Дерева рішень та випадкові ліси - ОНЛАЙН-версія 6037630
Курс машинного навчання - Дерева рішень та випадкові ліси - ОНЛАЙН-версія 6037630В наявності
3 175 ₴
+380 (63) 642-27-65
+380 (63) 642-27-65
повернення товару протягом 14 днів за рахунок покупця

Опис продукту: Курс машинного навчання - Дерева рішень та випадкові ліси

Онлайн-курсМашинне навчання - дерева рішень та випадкові лісирозглядає тему використання штучного інтелекту для вирішення реальних проблем.дерева рішень, тобто оперування логічними системами, що використовуються для прийняття рішень, та практичні навички моделювання наборів даних. Цей курс призначений для середнього рівня.

Майбутнє світу – це машинне навчання

Ті, хто зіткнувсямашинне навчання, ця галузь не потребує особливих переконань. Дослідження штучного інтелекту, а точніше, результати цих досліджень, які вже доступні, охоплюють низку моделей, ефективних у певних конкретних сімействах задач. Дерева рішень та їх похідні методи ефективні в класифікації, регресії та виявленні аномалій, що робить їх одними з найбільш універсальних. Курс представляє алгоритми як з теоретичної, так і з практичної точок зору.

Розвиток ваших знань машинного навчання та Python

Припустимо, ви вже вмієте програмувати на Python і шукаєте нових викликів. Ви знаєте основи машинного навчання, але дерева рішень вам не знайомі. Цей курс допоможе вам зрозуміти алгоритми та застосувати їх у ваших власних захопливих проектах. Рівень складності поступово зростає – спочатку задачі вирішуються за допомогою одного дерева, а пізніше в курсі вводиться більше. Приклади будуть простими та актуальними для повсякденного життя – наприклад, рішення про купівлю автомобіля або порівняння цін на квартири.

Огляд змісту курсу

  • Розширений імпорт даних
  • Об'єднання даних з багатьох різних джерел
  • Створення зв'язків між таблицями
  • Організація великих даних
  • Експорт даних до зведеної таблиці
  • Оновлення змінених наборів даних
  • Автоматичне виявлення зв'язків
  • Аналіз та обробка даних за допомогою мови DAX

Що таке Power Pivot?

Power Pivotє функцією Microsoft Excel. Вона доступна як надбудова в Excel 2010, 2013 в окремих завантаженнях, а також як надбудова, що входить до складу Excel 2016. Power Pivot розширює локальний екземпляр Microsoft Analysis Services Tabular, який вбудовано безпосередньо в книгу Excel. Він залишається безцінним інструментом для моделювання та аналізу даних.

Для ентузіастів баз даних та тих, хто хоче їх вивчити

До випуску Power Pivot компанія Microsoft значною мірою покладалася наСлужби аналізу SQL Serverяк рушій для свого пакету бізнес-аналітики. Power Pivot доповнює основні компоненти бізнес-аналітики SQL Server як частину концепції семантичної моделі бізнес-аналітики (BISM). Мета полягає в інтеграції багатовимірної аналітики на диску, раніше відомої як Уніфікована вимірна модель (UDM), з більш гнучкою табличною моделлю в пам'яті. Як продукт самообслуговування, Power Pivot дозволяє користувачам створювати моделі даних і обчислення без навичок аналітики та ділитися ними безпосередньо або через бібліотеки документів Microsoft SharePoint.

Додаткове навчання

Машинне навчання та глибоке навчання (ГН) – це нові галузі. Вони тісно пов'язані з навичками програмування. Також ознайомтеся з книгами для програмістів та Посібником з глибокого навчання «Робота з Python» і бібліотекою Keras Франсуа Шолле.

Найважливіші елементи курсу

  • Довічний доступ, включаючи цілодобовий мобільний доступ
  • 6,5 годин навчання
  • Тести та завдання
  • 40 лекцій
  • 20 тестових питань
  • Сертифікат про завершення

Ви можете додати отримані рекомендації, наприклад, до свого профілю LinkedIn.

Зміст

Модуль 1: Вступ

  • Урок 1: Вступ
  • Урок 2: Як використовувати матеріали?
  • Урок 3: Огляд структур даних: бінарні дерева
  • Урок 4: Загальні операції з деревами рішень
  • Урок 5: Загальне використання дерев рішень

Модуль 2: Дерева рішень у класифікації

  • Урок 1: Схема навчання дерев
  • Урок 2: Ризик перетренованості
  • Урок 3: Вимірювання якості спліта
  • Урок 4: Якість розподілу: Домішка Джині
  • Урок 5: Якість ділення: Ентропія
  • Урок 6: Набір даних: Прогнозування транзакцій
  • Урок 7: Прогнозування покупок за допомогою дерев рішень
  • Урок 8: Інші параметри навчання -
  • Урок 9: Пошук найкращої конфігурації дерева
  • Урок 10: Візуалізація створеного класифікатора

Модуль 3: Регресія з деревами рішень

  • Урок 1: Деревоподібні операції для числових даних
  • Урок 2: Вимірювання якості поділу для регресії
  • Урок 3: Якість розділення: MSE (середньоквадратична помилка)
  • Урок 4: Якість ділення: MAE (середня абсолютна похибка) -
  • Урок 5: Набір даних: Ціни на житло
  • Урок 6: Побудова дерева регресії для оцінки цін на житло
  • Урок 7: Обрізка дерева, щоб уникнути перенавантаження
  • Урок 8: Пошук найкращої конфігурації дерева регресії
  • Урок 9: Інтерпретація операції дерева

Модуль 4: Розширення дерев рішень

  • Урок 1: Створення лісу дерев рішень: Збирання в мішки
  • Урок 2: Зайві дерева проти випадкового лісу
  • Урок 3: Ефективність нових методів прогнозування покупок
  • Урок 4: Порівняння розподілу для цінової регресії
  • Урок 5: Підвищення: Загальний потік -
  • Урок 6: AdaBoost проти XGBoost
  • Урок 7: Бустування для класифікації та регресії
  • Урок 8: Поєднання потужності кількох алгоритмів за допомогою стекування
  • Урок 9: Тестування можливостей стекування

Модуль 5: Виявлення аномалій

  • Урок 1: Набір даних: Сейсмічні події
  • Урок 2: Що таке аномалія? Вступ до ізоляційного лісу
  • Урок 3: Використання дерев рішень для виявлення аномалій
  • Урок 4: Розширений ізоляційний ліс

Модуль 6: Можливості дерева рішень

  • Урок 1: Пояснення алгоритмів
  • Урок 2: Неочевидні приклади застосування дерев рішень
  • Урок 3: Висновок

Характеристики
Основні
ВиробникPower
МатеріалДерево
СтанНовий
Користувальницькі характеристики
Вага паковання0,1 кг
глибина паковання0,1 см
Інформація для замовлення
  • Ціна: 3 175 ₴