Cursus
Machine Learning-sollicitatievragen oefenen in Python
GevorderdVaardigheidsniveau
Bijgewerkt 09-2022
PythonMachine Learning4 u16 videos60 Opdrachten4,600 XP12,164Bewijs van Prestatie
Maak je kosteloos account aan
Ga verder met GoogleMeer opties weergevenof
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.
Geliefd bij leerlingen van duizenden bedrijven
Een team trainen?
Probeer voor bedrijvenCursusbeschrijving
Bereid je voor op je sollicitatiegesprek over machine learning
Heb je je ooit afgevraagd hoe je je goed kunt voorbereiden op een sollicitatiegesprek over machine learning? In deze cursus ga je antwoorden voorbereiden op 15 veelvoorkomende vragen over Machine Learning (ML) in Python voor een functie als datawetenschapper.Deze vragen gaan over zeven belangrijke onderwerpen: gegevensvoorbewerking, gegevensvisualisatie, begeleid leren, onbegeleid leren, modelassemblage, modelkeuze en modelevaluatie.
Fris je kennis over machine learning op
Je begint met vragen over het voorbewerken en visualiseren van gegevens. Nadat je alle voorbereidende stappen hebt gedaan, maak je een voorspellend ML-model om je praktische vaardigheden aan te scherpen.Vervolgens behandel je een paar technieken voor begeleid leren, voordat je verdergaat met onbegeleid leren. Afhankelijk van de functie, zul je waarschijnlijk beide onderwerpen behandelen tijdens je sollicitatiegesprek over machine learning.
Tot slot behandel je modelkeuze en -evaluatie, waarbij je kijkt naar hoe je de prestaties voor modelgeneralisatie kunt beoordelen en verschillende technieken bekijkt terwijl je een ensemblemodel bouwt.
Oefenen met antwoorden op de meest voorkomende vragen over machine learning tijdens sollicitatiegesprekken
Aan het einde van de cursus heb je zowel de nodige theoretische kennis als de vaardigheden om Python-code te schrijven om deze 15 vragen goed te beantwoorden.De codevoorbeelden zijn vooral gebaseerd op het scikit-learn-pakket, omdat het makkelijk te gebruiken is en de belangrijkste machine learning-technieken in Python dekt.
De cursus behandelt niet de basisprincipes van machine learning, omdat die al aan bod komen in de vereiste voorkennis voor de cursus.
Vereisten
Unsupervised Learning in PythonSupervised Learning with scikit-learn1
Gegevensvoorbewerking en visualisatie
In het eerste hoofdstuk van deze cursus voer je alle stappen voor voorbewerking uit die nodig zijn om een voorspellend machine learning-model te maken, waaronder wat je doet met missende waarden, uitschieters en hoe je je gegevensset normaliseert.
2
Supervised learning
In het tweede hoofdstuk van deze cursus oefen je verschillende aspecten van supervised machine learning-technieken, zoals het selecteren van de optimale subset van features, regularisatie om overfitting te voorkomen, feature engineering en ensemblemodellen om de zogeheten bias-variance trade-off aan te pakken.
3
Unsupervised learning
In het derde hoofdstuk van deze cursus gebruik je unsupervised learning om feature-extractie en visualisatietechnieken voor dimensiereductie toe te passen, en clusteringmethoden om niet alleen een geschikt clusteringalgoritme te kiezen, maar ook het optimale aantal clusters voor een gegevensset.
4
Modelselectie en -evaluatie
In het vierde en laatste hoofdstuk van deze cursus ga je echt een stap verder en pas je bootstrapping en cross-validatie toe om prestaties voor modelgeneralisatie te evalueren, resamplingtechnieken voor onevenwichtige klassen, detecteer en verwijder je multicollineariteit en bouw je een ensemblemodel.
Machine Learning-sollicitatievragen oefenen in Python
Cursus voltooid
Verdien een prestatieverklaring
Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitaeDeel het op sociale media en in je functioneringsgesprekSchrijf je nu in
Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Machine Learning-sollicitatievragen oefenen in Python!
Maak je kosteloos account aan
Ga verder met GoogleMeer opties weergevenof
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.
Ontwikkel je datavaardigheden met DataCamp voor Mobiel
Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.