Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
Opis kursu
To wprowadzenie do uczenia maszynowego dla początkujących omawia cztery najczęściej stosowane algorytmy klasyfikacji. Dowiesz się, jak każdy z nich podchodzi do zadania uczenia, oraz poznasz funkcje R potrzebne do zastosowania tych narzędzi we własnej pracy.
Wymagania wstępne
Program nauczania
Plan kursu
1
k-Nearest Neighbors (kNN)
Algorytm kNN dosłownie „uczy się na przykładach", co czyni go idealnym punktem wyjścia do zrozumienia nadzorowanego uczenia maszynowego. W tym rozdziale poznasz podstawy klasyfikacji, pracując nad zastosowaniem kNN do rozpoznawania znaków drogowych przez pojazdy autonomiczne.
- Klasyfikacja z użyciem najbliższych sąsiadów50 XP
- Rozpoznawanie znaku drogowego za pomocą kNN100 XP
- Myślenie jak kNN50 XP
- Eksploracja zbioru danych ze znakami drogowymi100 XP
- Klasyfikacja zbioru znaków drogowych100 XP
- Co oznacza 'k' w kNN?50 XP
- Wpływ wartości k50 XP
- Testowanie innych wartości 'k'100 XP
- Jak głosowali sąsiedzi?100 XP
- Przygotowanie danych dla kNN50 XP
- Po co normalizować dane?50 XP
2
Naive Bayes
Naive Bayes wykorzystuje zasady statystyki do tworzenia prognoz. W tym rozdziale poznasz podstawy metod bayesowskich i zobaczysz, jak zastosować je do sugerowania miejsc docelowych – podobnie jak robi to iPhone.
3
Regresja logistyczna
Regresja logistyczna polega na dopasowaniu krzywej do danych liczbowych w celu przewidywania zdarzeń binarnych. To jedna z najszerzej stosowanych metod uczenia maszynowego. W tym rozdziale poznasz jej podstawy i zobaczysz, jak zastosować ją do analizy danych dotyczących zbierania funduszy.
4
Drzewa klasyfikacyjne
Drzewa klasyfikacyjne podejmują decyzje za pomocą struktur przypominających schematy blokowe. Ponieważ są łatwe do interpretacji, świetnie sprawdzają się wszędzie tam, gdzie liczy się przejrzystość – na przykład przy ocenie wniosków kredytowych. Wykorzystamy zbiór danych Lending Club, aby zasymulować taki scenariusz.
R
Nadzorowane uczenie maszynowe w R: Klasyfikacja
Kurs
ukończony
