Tutorial Machine Learning

Tutorial ini membahas stemming dan lemmatization dari sudut pandang praktis menggunakan paket Python Natural Language ToolKit (NLTK).

Pelajari tentang regresi logistik, properti dasarnya, dan bangun model machine learning pada aplikasi dunia nyata di Python menggunakan scikit-learn.

Visualisasikan parameter pelatihan, metrik, hiperparameter, atau statistik apa pun dari jaringan saraf Anda dengan TensorBoard!

Pelajari cara membangun jaringan saraf serta cara melatih, mengevaluasi, dan mengoptimalkannya dengan TensorFlow

Pelajari bagaimana Textacy, pustaka Python, menyederhanakan prapemrosesan data teks untuk machine learning. Kenali fitur uniknya seperti normalisasi karakter dan masking data, serta lihat perbandingannya dengan pustaka lain seperti NLTK dan spaCy.

Dalam tutorial ini, Anda akan mempelajari cara menggunakan pustaka yang sangat unik di Python, TPOT. Alasan pustaka ini unik adalah karena ia mengotomatisasi seluruh pipeline Machine Learning dan memberikan model machine learning dengan kinerja terbaik.

Pelajari bagaimana gradient descent mengoptimalkan model untuk machine learning. Temukan penerapannya pada regresi linear, regresi logistik, jaringan saraf, serta jenis-jenis utamanya termasuk batch, stochastic, dan mini-batch gradient descent.

Pelajari teknik regresi lasso dan ridge. Bandingkan dan analisis metode-metode tersebut secara mendetail.

Pelajari bagaimana learning curve dapat membantu Anda mengevaluasi data dan mengidentifikasi solusi optimal.

Panduan mendetail tentang peramalan deret waktu. Pelajari penggunaan Python dan kerangka pendukungnya. Pelajari pemodelan statistik yang terlibat.

Pelajari pentingnya reduksi dimensi, teknik-tekniknya, dan cara menerapkannya pada dataset gambar sambil memvisualisasikan dan membandingkan data di ruang berdimensi lebih rendah.

Pelajari tentang LIME, cara kerjanya, serta potensi jebakan saat menggunakannya.