After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Deskripsi Kursus
Persiapkan Diri untuk Wawancara Machine Learning Anda
Apakah Anda pernah bertanya-tanya bagaimana cara mempersiapkan diri dengan tepat untuk wawancara Machine Learning? Dalam kursus ini, Anda akan mempersiapkan jawaban untuk 15 pertanyaan wawancara Machine Learning (ML) di Python yang umum untuk peran data scientist.Pertanyaan-pertanyaan ini akan berfokus pada tujuh topik penting: praproses data, visualisasi data, pembelajaran terawasi, pembelajaran tanpa pengawasan, ensembling model, pemilihan model, dan evaluasi model.
Segarkan Pengetahuan Machine Learning Anda
Anda akan mulai dengan mengerjakan pertanyaan seputar pra-pemrosesan data dan visualisasi data. Setelah menyelesaikan semua langkah praproses, Anda akan membuat model ML prediktif untuk mengasah keterampilan praktis Anda.Selanjutnya, Anda akan mempelajari beberapa teknik pembelajaran terawasi sebelum melanjutkan ke pembelajaran tanpa pengawasan. Tergantung pada peran yang Anda lamar, Anda kemungkinan akan membahas kedua topik tersebut dalam wawancara machine learning Anda.
Akhirnya, Anda akan menyelesaikan dengan mempelajari pemilihan dan evaluasi model, meninjau cara mengevaluasi kinerja untuk generalisasi model, serta mempelajari berbagai teknik saat Anda membangun model ensemble.
Latihan Jawaban untuk Pertanyaan Wawancara Machine Learning yang Paling Umum
Pada akhir kursus ini, Anda akan memiliki pemahaman teoretis yang diperlukan serta kemampuan untuk mengembangkan kode Python guna menjawab 15 pertanyaan ini dengan sukses.Contoh kode akan terutama didasarkan pada paket scikit-learn, karena kemudahan penggunaannya dan kemampuannya untuk mencakup teknik machine learning terpenting dalam bahasa Python.
Kursus ini tidak mengajarkan dasar-dasar machine learning, karena materi tersebut sudah dibahas dalam prasyarat kursus ini.
Prasyarat
Kurikulum
Garis besar kursus
1
Prapemrosesan dan Visualisasi Data
Pada bab pertama kursus ini, Anda akan melakukan semua langkah prapemrosesan yang diperlukan untuk membuat model Machine Learning prediktif, termasuk cara menangani nilai hilang, pencilan, dan menormalkan himpunan data Anda.
- Menangani data hilang50 XP
- Mencari nilai yang hilang100 XP
- Imputasi sederhana100 XP
- Imputasi iteratif100 XP
- Distribusi data dan transformasi50 XP
- Sebaran dan transformasi pada data latih vs data uji50 XP
- Distribusi latih/uji100 XP
- Transformasi log dan pangkat100 XP
- Pencilan data dan penskalaan50 XP
- Deteksi outlier100 XP
- Menangani outlier100 XP
- Standardisasi Z-score100 XP
2
Supervised Learning
Pada bab kedua kursus ini, Anda akan berlatih berbagai aspek teknik supervised Machine Learning, seperti memilih subset fitur yang optimal, regularisasi untuk menghindari overfitting model, rekayasa fitur, dan model ensemble untuk mengatasi yang disebut trade-off bias-variance.
3
Unsupervised Learning
Pada bab ketiga kursus ini, Anda akan menggunakan unsupervised learning untuk menerapkan teknik ekstraksi fitur dan visualisasi untuk reduksi dimensi serta metode klastering guna memilih tidak hanya algoritma klastering yang tepat, tetapi juga jumlah klaster optimal untuk suatu himpunan data.
4
Pemilihan dan Evaluasi Model
Pada bab keempat sekaligus terakhir kursus ini, Anda akan meningkatkan level dengan menerapkan bootstrapping dan cross-validation untuk mengevaluasi kinerja generalisasi model, teknik resampling untuk kelas yang tidak seimbang, mendeteksi dan menghapus multikolinearitas, serta membangun model ensemble.
Berlatih Pertanyaan Wawancara Machine Learning dengan Python
Kursus
Selesai
