Name: scikit-learn के साथ Supervised Learning
Rating: 4.79993202673615 (8827 reviews)

कोर्स विवरण

scikit-learn के साथ अपनी मशीन लर्निंग स्किल्स बढ़ाइए और जानिए कि इस लोकप्रिय Python लाइब्रेरी का उपयोग लेबल्ड डेटा से मॉडल ट्रेन करने के लिए कैसे किया जाता है। इस कोर्स में, आप शक्तिशाली प्रेडिक्शंस बनाना सीखेंगे—जैसे कोई कस्टमर आपका बिज़नेस छोड़ने वाला है या नहीं (churn), किसी व्यक्ति को डायबिटीज़ है या नहीं, और यहाँ तक कि किसी गाने की जेनर को कैसे क्लासिफ़ाई किया जाए। रीयल-वर्ल्ड डेटासेट्स के साथ, आप प्रेडिक्टिव मॉडल बनाना, उनके पैरामीटर्स ट्यून करना, और यह आकलन करना सीखेंगे कि अनदेखे डेटा पर वे कितने अच्छे से परफॉर्म करेंगे।वीडियो में लाइव ट्रांसक्रिप्ट्स शामिल हैं, जिन्हें आप वीडियो के नीचे बाएँ कोने में "Show transcript" पर क्लिक करके देख सकते हैं. कोर्स ग्लोसरी दाएँ तरफ़ Resources सेक्शन में उपलब्ध है.CPE क्रेडिट्स पाने के लिए आपको कोर्स पूरा करना होगा और क्वालिफ़ाइड असेसमेंट में 70% स्कोर हासिल करना होगा। आप दाईं ओर CPE क्रेडिट्स कॉलआउट पर क्लिक करके असेसमेंट तक नेविगेट कर सकते हैं.

पूर्वापेक्षाएँ

Introduction to Statistics in Python

पाठ्यक्रम

कोर्स रूपरेखा

Classification

इस चैप्टर में, आप क्लासिफिकेशन समस्याओं से परिचित होंगे और उन्हें supervised learning तकनीकों से हल करना सीखेंगे। आप डेटा को training और test सेट्स में बाँटना, मॉडल फिट करना, प्रेडिक्शन करना, और accuracy का मूल्यांकन करना सीखेंगे। आप मॉडल की जटिलता और परफॉर्मेंस के बीच के संबंध को समझेंगे, और जो सीखा है उसे एक churn डेटासेट पर लागू करेंगे, जहाँ आप एक टेलीकॉम कंपनी के ग्राहकों की churn स्थिति को क्लासिफ़ाई करेंगे।

अध्याय शुरू करें

Regression

इस चैप्टर में, आप regression से परिचित होंगे और advertising expenditure वाले डेटासेट का उपयोग करके sales values प्रेडिक्ट करने के लिए मॉडल बनाएँगे। आप linear regression की कार्यपद्धति और सामान्य परफॉर्मेंस मेट्रिक्स, जैसे R-squared और root mean squared error, के बारे में जानेंगे। आप k-fold cross-validation करेंगे, और overfitting के जोखिम को घटाने के लिए regression मॉडलों पर regularization लागू करेंगे।

अध्याय शुरू करें

अपने मॉडल को Fine-Tune करना

मॉडल्स ट्रेन करने के बाद, अब आप उन्हें कैसे evaluate करना है, यह सीखेंगे। इस चैप्टर में, आप scikit-learn का उपयोग करके क्लासिफिकेशन मॉडल परफॉर्मेंस का विश्लेषण करने के लिए कई मेट्रिक्स और एक विज़ुअलाइज़ेशन तकनीक से परिचित होंगे। आप यह भी सीखेंगे कि हाइपरपैरामीटर ट्यूनिंग का उपयोग करके क्लासिफिकेशन और रिग्रेशन मॉडलों को कैसे ऑप्टिमाइज़ किया जाए।

अध्याय शुरू करें

Preprocessing और Pipelines

सीखिए कि missing values को कैसे impute करें, categorical डेटा को numeric वैल्यूज़ में कैसे बदलें, डेटा को scale कैसे करें, एक साथ कई supervised learning मॉडलों का मूल्यांकन कैसे करें, और अपने workflow को streamline करने के लिए pipelines कैसे बनाएं!