Kurs
Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
ZaawansowanyPoziom umiejętności
Zaktualizowano 09.2022
PythonMachine Learning4 godz.16 filmów60 Ćwiczeń4,600 XP12,158Zaświadczenie o ukończeniu
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Uwielbiany przez kursantów z tysięcy firm
Szkolisz zespół?
Wypróbuj dla firmOpis kursu
Przygotuj się do rozmowy kwalifikacyjnej z zakresu uczenia maszynowego
Czy kiedykolwiek zastanawiałeś się, jak właściwie przygotować się do rozmowy kwalifikacyjnej z zakresu Machine Learning? W tym kursie przygotujesz odpowiedzi na 15 najczęściej zadawanych pytań rekrutacyjnych z zakresu Machine Learning (ML) w Pythonie na stanowisko data scientist.Te pytania będą dotyczyć siedmiu ważnych zagadnień: wstępnego przetwarzania danych, wizualizacji danych, uczenia nadzorowanego, uczenia nienadzorowanego, zespołowania modeli, doboru modeli oraz oceny modeli.
Odśwież swoją wiedzę z zakresu uczenia maszynowego
Zaczniesz od pracy nad pytaniami dotyczącymi wstępnego przetwarzania danych i wizualizacji danych. Po wykonaniu wszystkich kroków wstępnego przetwarzania stworzysz predykcyjny model ML, aby doskonalić swoje praktyczne umiejętności.Następnie omówisz kilka technik uczenia nadzorowanego, zanim przejdziesz do uczenia nienadzorowanego. W zależności od roli, prawdopodobnie omówisz oba te zagadnienia podczas rozmowy kwalifikacyjnej z zakresu machine learning.
Na koniec omówisz dobór i ocenę modeli, sprawdzając, jak oceniać wydajność pod kątem generalizacji modelu, a także poznasz różne techniki podczas tworzenia modelu zespołowego.
Ćwicz odpowiedzi na najczęściej zadawane pytania podczas rozmów kwalifikacyjnych z zakresu uczenia maszynowego
Pod koniec kursu będziesz posiadać zarówno niezbędne podstawy teoretyczne, jak i umiejętność tworzenia kodu w Pythonie, aby skutecznie odpowiedzieć na te 15 pytań.Przykłady kodu będą opierać się głównie na pakiecie scikit-learn, ze względu na jego łatwość użycia i możliwość omówienia najważniejszych technik uczenia maszynowego w języku Python.
Kurs nie uczy podstaw uczenia maszynowego, ponieważ są one omówione w wymaganiach wstępnych kursu.
Wymagania wstępne
Unsupervised Learning in PythonSupervised Learning with scikit-learn1
Data Pre-processing and Visualization
In the first chapter of this course, you'll perform all the preprocessing steps required to create a predictive machine learning model, including what to do with missing values, outliers, and how to normalize your dataset.
2
Supervised Learning
In the second chapter of this course, you'll practice different several aspects of supervised machine learning techniques, such as selecting the optimal feature subset, regularization to avoid model overfitting, feature engineering, and ensemble models to address the so-called bias-variance trade-off.
3
Unsupervised Learning
In the third chapter of this course, you'll use unsupervised learning to apply feature extraction and visualization techniques for dimensionality reduction and clustering methods to select not only an appropriate clustering algorithm but optimal cluster number for a dataset.
4
Model Selection and Evaluation
In the fourth and final chapter of this course, you'll really step it up and apply bootstrapping and cross-validation to evaluate performance for model generalization, resampling techniques to imbalanced classes, detect and remove multicollinearity, and build an ensemble model.
Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Kurs ukończony
Zdobądź zaświadczenie o ukończeniu
Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysuUdostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz
Dołącz do ponad 19 milionów kursantów i zacznij Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie już dziś!
Utwórz bezpłatne konto
Kontynuuj z GooglePokaż więcej opcjilub
Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.
Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych
Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.