Opis ścieżki

Machine Learning for Everyone

Learn machine learning even if you have no coding experience with this collection of tutorials covering supervised learning, unsupervised learning, and deep learning.

Wymagania wstępne

Ta ścieżka nie ma żadnych wymagań wstępnych

Kurs
1
Wprowadzenie do uczenia maszynowego
Zobacz szczegółyUkryj szczegóły
Wprowadzenie do uczenia maszynowego bez kodowania.
Wprowadzenie do uczenia maszynowego bez kodowania.
Kurs
2
Wprowadzenie do Pythona
Zobacz szczegółyUkryj szczegóły
Opanuj podstawy analizy danych w Pythonie w zaledwie cztery godziny. Ten kurs online wprowadzi interfejs Python i omówi popularne pakiety.
Opanuj podstawy analizy danych w Pythonie w zaledwie cztery godziny. Ten kurs online wprowadzi interfejs Python i omówi popularne pakiety.
Kurs
3
Python średnio zaawansowany
Zobacz szczegółyUkryj szczegóły
Rozwiń umiejętności data science, tworząc wizualizacje w Matplotlib i manipulując DataFrames za pomocą pandas.
Rozwiń umiejętności data science, tworząc wizualizacje w Matplotlib i manipulując DataFrames za pomocą pandas.
Kurs
4
Wprowadzenie do funkcji w Pythonie
Zobacz szczegółyUkryj szczegóły
Poznaj sztukę pisania własnych funkcji w Pythonie oraz kluczowe pojęcia, takie jak zakres i obsługa błędów.
Poznaj sztukę pisania własnych funkcji w Pythonie oraz kluczowe pojęcia, takie jak zakres i obsługa błędów.
Kurs
5
Zestaw narzędzi Pythona
Zobacz szczegółyUkryj szczegóły
Rozwijaj nowoczesne umiejętności Data Science, poznając iteratory i list comprehensions.
Rozwijaj nowoczesne umiejętności Data Science, poznając iteratory i list comprehensions.
Kurs
6
Myślenie statystyczne w Pythonie (część 1)
Zobacz szczegółyUkryj szczegóły
Zbuduj podstawy, by myśleć statystycznie i mówić językiem swoich danych.
Zbuduj podstawy, by myśleć statystycznie i mówić językiem swoich danych.
Kurs
8
Uczenie nienadzorowane w Pythonie
Zobacz szczegółyUkryj szczegóły
Naucz się grupować, przekształcać, wizualizować i wyciągać wnioski z nieoznaczonych zbiorów danych za pomocą scikit-learn i scipy.
Naucz się grupować, przekształcać, wizualizować i wyciągać wnioski z nieoznaczonych zbiorów danych za pomocą scikit-learn i scipy.
Kurs
9
Liniowe klasyfikatory w Pythonie
Zobacz szczegółyUkryj szczegóły
W tym kursie poznasz szczegóły klasyfikatorów liniowych, takich jak regresja logistyczna i SVM.
W tym kursie poznasz szczegóły klasyfikatorów liniowych, takich jak regresja logistyczna i SVM.
Kurs
10
Uczenie maszynowe z modelami drzewiastymi w Pythonie
Zobacz szczegółyUkryj szczegóły
W tym kursie nauczysz się używać modeli drzewiastych i zespołów do regresji i klasyfikacji w scikit-learn.
W tym kursie nauczysz się używać modeli drzewiastych i zespołów do regresji i klasyfikacji w scikit-learn.
Kurs
11
Extreme Gradient Boosting with XGBoost
Zobacz szczegółyUkryj szczegóły
Poznaj podstawy gradient boosting i twórz nowoczesne modele machine learning z XGBoost do rozwiązywania problemów klasyfikacji i regresji.
Poznaj podstawy gradient boosting i twórz nowoczesne modele machine learning z XGBoost do rozwiązywania problemów klasyfikacji i regresji.
Kurs
12
Analiza skupień w Pythonie
Zobacz szczegółyUkryj szczegóły
W tym kursie poznasz uczenie nienadzorowane dzięki technikom takim jak klastrowanie hierarchiczne i k-means z użyciem biblioteki SciPy.
W tym kursie poznasz uczenie nienadzorowane dzięki technikom takim jak klastrowanie hierarchiczne i k-means z użyciem biblioteki SciPy.
Kurs
13
Redukcja wymiarowości w Pythonie
Zobacz szczegółyUkryj szczegóły
Poznaj koncepcję redukcji wymiarowości danych i opanuj techniki jej wykonywania w Pythonie.
Poznaj koncepcję redukcji wymiarowości danych i opanuj techniki jej wykonywania w Pythonie.
Kurs
14
Preprocessing w uczeniu maszynowym w Pythonie
Zobacz szczegółyUkryj szczegóły
Naucz się czyścić i przygotowywać dane do machine learning!
Naucz się czyścić i przygotowywać dane do machine learning!
Kurs
15
Uczenie maszynowe dla danych szeregów czasowych w Pythonie
Zobacz szczegółyUkryj szczegóły
Kurs koncentruje się na inżynierii cech i uczeniu maszynowym dla danych szeregów czasowych.
Kurs koncentruje się na inżynierii cech i uczeniu maszynowym dla danych szeregów czasowych.
Kurs
16
Inżynieria cech w uczeniu maszynowym w Pythonie
Zobacz szczegółyUkryj szczegóły
Twórz nowe funkcje, by poprawić wydajność swoich modeli Machine Learning.
Twórz nowe funkcje, by poprawić wydajność swoich modeli Machine Learning.
Kurs
17
Walidacja modeli w Pythonie
Zobacz szczegółyUkryj szczegóły
Poznaj podstawy walidacji modeli, technik walidacji i zacznij tworzyć zwalidowane, wydajne modele.
Poznaj podstawy walidacji modeli, technik walidacji i zacznij tworzyć zwalidowane, wydajne modele.
Kurs
19
Inżynieria cech dla NLP w Pythonie
Zobacz szczegółyUkryj szczegóły
Poznaj techniki wydobywania przydatnych informacji z tekstu i przetwarzania ich do formatu odpowiedniego dla machine learning.
Poznaj techniki wydobywania przydatnych informacji z tekstu i przetwarzania ich do formatu odpowiedniego dla machine learning.
Kurs
20
Wprowadzenie do TensorFlow w Pythonie
Zobacz szczegółyUkryj szczegóły
Poznaj podstawy sieci neuronowych i naucz się budować modele deep learning w TensorFlow.
Poznaj podstawy sieci neuronowych i naucz się budować modele deep learning w TensorFlow.
Kurs
21
Wprowadzenie do uczenia głębokiego w Pythonie
Zobacz szczegółyUkryj szczegóły
Poznaj podstawy sieci neuronowych i naucz się tworzyć modele deep learning w Pythonie z użyciem Keras 2.0.
Poznaj podstawy sieci neuronowych i naucz się tworzyć modele deep learning w Pythonie z użyciem Keras 2.0.
Kurs
22
Wprowadzenie do uczenia głębokiego z Keras
Zobacz szczegółyUkryj szczegóły
Naucz się rozpoczynać tworzenie modeli deep learning z Keras.
Naucz się rozpoczynać tworzenie modeli deep learning z Keras.
Kurs
23
Zaawansowane uczenie głębokie z Keras
Zobacz szczegółyUkryj szczegóły
Naucz się tworzyć modele deep learning w Keras.
Naucz się tworzyć modele deep learning w Keras.
Kurs
24
Przetwarzanie obrazów w Pythonie
Zobacz szczegółyUkryj szczegóły
Naucz się przetwarzać, przekształcać i manipulować obrazami według własnej woli.
Naucz się przetwarzać, przekształcać i manipulować obrazami według własnej woli.
Kurs
25
Modelowanie obrazów z Keras
Zobacz szczegółyUkryj szczegóły
Naucz się analizować obrazy w Keras z Pythonem, tworząc, trenując i oceniając konwolucyjne sieci neuronowe.
Naucz się analizować obrazy w Keras z Pythonem, tworząc, trenując i oceniając konwolucyjne sieci neuronowe.
Kurs
26
Strojenie hiperparametrów w Pythonie
Zobacz szczegółyUkryj szczegóły
Poznaj techniki automatycznego strojenia hiperparametrów w Pythonie, w tym Grid, Random i Informed Search.
Poznaj techniki automatycznego strojenia hiperparametrów w Pythonie, w tym Grid, Random i Informed Search.
Kurs
27
Podstawy PySpark
Zobacz szczegółyUkryj szczegóły
Naucz się wdrażać rozproszone zarządzanie danymi i uczenie maszynowe w Spark z użyciem pakietu PySpark.
Naucz się wdrażać rozproszone zarządzanie danymi i uczenie maszynowe w Spark z użyciem pakietu PySpark.
Kurs
28
Uczenie maszynowe z PySpark
Zobacz szczegółyUkryj szczegóły
Naucz się tworzyć prognozy z danych w Apache Spark, używając drzew decyzyjnych, regresji logistycznej, regresji liniowej, zespołów i potoków.
Naucz się tworzyć prognozy z danych w Apache Spark, używając drzew decyzyjnych, regresji logistycznej, regresji liniowej, zespołów i potoków.
Kurs
29
Zwycięstwo w konkursie Kaggle w Pythonie
Zobacz szczegółyUkryj szczegóły
Naucz się, jak podejść do konkursów na Kaggle i je wygrywać.
Naucz się, jak podejść do konkursów na Kaggle i je wygrywać.

Dla firm

Szkolisz 2 lub więcej osób?

Zapewnij swojemu zespołowi dostęp do pełnej platformy DataCamp ze wszystkimi funkcjami.

DataCamp dla firm

Jeśli potrzebujesz rozwiązania na miarę, umów demonstrację.

Instruktorzy

Hugo Bowne-Anderson
Data Scientist
Justin Bois
Lecturer at the California Institute of Technology
Dan Becker
Data Scientist and contributor to Keras and TensorFlow libraries
Benjamin Wilson
Director of Research at lateral.io
Katharine Jarmul
Founder, kjamistan
Sergey Fogelson
Head of Data Science, TelevisaUnivision
Nick Solomon
Data Scientist
Lore Dirick
Director of Data Science Education at Flatiron School
Chris Holdgraf
Fellow at the Berkeley Institute for Data Science
Mike Gelbart
Instructor, the University of British Columbia
Elie Kawerk
Senior Data Scientist
Zachary Deane-Mayer
VP, Data Science at DataRobot
James Chapman
Curriculum Manager, DataCamp
Ariel Rokem
Senior Data Scientist, University of Washington
Jeroen Boeye
Machine Learning Engineer @ Faktion
Robert O'Callaghan
Director of Data Science, Ordergroove
Shaumik Daityari
Business Analyst at American Express
Andrew Collier
Data Scientist @ Exegetic Analytics
Isaiah Hull
Economist
Kasey Jones
Research Data Scientist
Alex Scriven
Senior Data Scientist @ Atlassian
Miguel Esteban
Data Scientist & Founder
Rounak Banik
Data Scientist at Fractal Analytics
Yauhen Babakhin
Kaggle Grandmaster
Rebeca Gonzalez
Data Scientist, Hiberus Tecnologia
Hadrien Lacroix
Curriculum Manager at DataCamp
Sara Billen
Data Scientist at DataCamp
Lis Sulmont
Content Program Manager at Duolingo

Opis ścieżki

Machine Learning for Everyone

Wymagania wstępne

Dołącz do ponad 20 milionów kursantów i zacznij Machine Learning for Everyone już dziś!

Utwórz bezpłatne konto

Rozwijaj umiejętności pracy z danymi dzięki DataCamp na urządzenia mobilne

Dołącz do ponad 20 milionów kursantów i zacznij Machine Learning for Everyone już dziś!

Utwórz bezpłatne konto

Instruktorzy

Zdobądź zaświadczenie o ukończeniu