Build your ultimate AI agent
कोर्स विवरण
मशीन लर्निंग का यह शुरुआती-स्तर का परिचय चार सबसे आम classification एल्गोरिदम को कवर करता है। इस कोर्स के बाद, आप समझेंगे कि हर एल्गोरिदम learning task को कैसे अपनाता है, और यह भी सीखेंगे कि इन्हें अपने काम में लागू करने के लिए किन R फंक्शन का उपयोग करना है।
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
k-Nearest Neighbors (kNN)
क्योंकि kNN एल्गोरिदम सचमुच "उदाहरण देखकर सीखता है", यह supervised मशीन लर्निंग को समझना शुरू करने के लिए बेहतरीन उदाहरण है। इस अध्याय में classification की शुरुआत करेंगे और kNN को self-driving वाहन के road sign पहचान पर लागू करते हुए समझेंगे।
- Nearest Neighbors के साथ Classification50 XP
- kNN के साथ रोड साइन पहचानना100 XP
- kNN की तरह सोचना50 XP
- ट्रैफ़िक साइन डेटासेट की जाँच100 XP
- रोड साइन के एक संग्रह का वर्गीकरण100 XP
- kNN में 'k' का क्या अर्थ है?50 XP
- 'k' के प्रभाव को समझना50 XP
- अन्य 'k' वैल्यूज़ का परीक्षण100 XP
- पड़ोसियों ने कैसे वोट किया, देखें100 XP
- kNN के लिए डेटा तैयारी50 XP
- डेटा को normalize क्यों करें?50 XP
2
Naive Bayes
Naive Bayes भविष्यवाणी करने के लिए सांख्यिकी के सिद्धांतों का उपयोग करता है। इस अध्याय में Bayesian तरीकों की मूल बातें समझेंगे और iPhone-जैसे destination सुझावों पर इन तकनीकों को कैसे लागू करें, यह जानेंगे।
3
Logistic Regression
Logistic regression में द्विआधारी घटनाओं की भविष्यवाणी के लिए संख्यात्मक डेटा पर एक curve फिट की जाती है। यह शायद सबसे व्यापक रूप से उपयोग होने वाली मशीन लर्निंग विधियों में से एक है। इस अध्याय में इस तकनीक का अवलोकन करेंगे और इसे fundraising डेटा पर लागू करने का तरीका दिखाएँगे।
4
Classification Trees
Classification trees निर्णय लेने के लिए flowchart जैसी संरचनाएँ उपयोग करते हैं। चूँकि मनुष्य इन tree संरचनाओं को आसानी से समझ लेते हैं, इसलिए जब पारदर्शिता चाहिए होती है—जैसे loan approval में—तो classification trees उपयोगी होते हैं। हम इस परिदृश्य को simulate करने के लिए Lending Club डेटासेट का उपयोग करेंगे।
R
R में Supervised Learning: Classification
कोर्स
पूरा
