Build your ultimate AI agent
Descrierea cursului
Pregătește-te pentru interviul tău de Machine Learning
Te-ai întrebat vreodată cum să te pregătești corect pentru un interviu de Machine Learning? În acest curs, vei pregăti răspunsuri pentru 15 întrebări frecvente de interviu despre Machine Learning (ML) în Python pentru un rol de data scientist.Aceste întrebări se vor concentra pe șapte subiecte importante: preprocesarea datelor, vizualizarea datelor, învățarea supravegheată, învățarea nesupravegheată, combinarea modelelor, selecția modelelor și evaluarea modelelor.
Reîmprospătează-ți cunoștințele de machine learning
Vei începe lucrând la întrebări despre preprocesarea datelor și vizualizarea datelor. După efectuarea tuturor pașilor de preprocesare, vei crea un model ML predictiv pentru a-ți perfecționa abilitățile practice.În continuare, vei acoperi câteva tehnici de învățare supravegheată înainte de a trece la învățarea nesupravegheată. În funcție de rol, probabil vei aborda ambele subiecte în interviul tău de machine learning.
În cele din urmă, vei încheia prin acoperirea selecției și evaluării modelelor, analizând cum să evaluezi performanța pentru generalizarea modelului și explorând diverse tehnici pe măsură ce construiești un model de tip ensemble.
Exersează răspunsurile la cele mai frecvente întrebări de interviu despre machine learning
La finalul cursului, vei avea atât baza teoretică necesară, cât și capacitatea de a dezvolta cod Python pentru a răspunde cu succes la aceste 15 întrebări.Exemplele de cod vor fi bazate în principal pe pachetul scikit-learn, datorită ușurinței sale de utilizare și capacității de a acoperi cele mai importante tehnici de machine learning în limbajul Python.
Cursul nu predă fundamentele învățării automate, deoarece acestea sunt acoperite în cerințele prealabile ale cursului.
Cerințe prealabile
Curriculum
Structura cursului
1
Preprocesarea și vizualizarea datelor
În primul capitol al acestui curs, vei parcurge toate etapele de preprocesare necesare pentru a construi un model predictiv de machine learning, inclusiv cum să gestionezi valorile lipsă, valorile extreme și cum să normalizezi setul de date.
- Gestionarea datelor lipsă50 XP
- Căutarea valorilor lipsă100 XP
- Imputare simplă100 XP
- Imputare iterativă100 XP
- Distribuții de date și transformări50 XP
- Distribuțiile setului de antrenament vs. setului de testare și transformările datelor50 XP
- Distribuțiile seturilor de antrenament și testare100 XP
- Transformări logaritmice și de putere100 XP
- Valori extreme și scalarea datelor50 XP
- Detectarea valorilor aberante100 XP
- Gestionarea valorilor aberante100 XP
- Standardizarea Z-score100 XP
2
Învățare supervizată
În al doilea capitol al acestui curs, vei exersa diverse aspecte ale tehnicilor de machine learning supervizat, cum ar fi selectarea subsetului optim de caracteristici, regularizarea pentru a evita supraadaptarea modelului, ingineria caracteristicilor și modelele de ansamblu pentru a aborda compromisul dintre bias și varianță.
3
Învățare nesupervizată
În al treilea capitol al acestui curs, vei folosi învățarea nesupervizată pentru a aplica tehnici de extragere a caracteristicilor și de vizualizare în scopul reducerii dimensionalității, precum și metode de clustering pentru a selecta atât algoritmul de clustering potrivit, cât și numărul optim de clustere pentru un set de date.
4
Selecția și evaluarea modelelor
În al patrulea și ultimul capitol al acestui curs, vei aprofunda lucrurile și vei aplica bootstrapping și validarea încrucișată pentru a evalua performanța în generalizarea modelului, tehnici de reeșantionare pentru clase dezechilibrate, detectarea și eliminarea multicoliniarității, și vei construi un model de ansamblu.
Exersează întrebări de interviu pentru Machine Learning în Python
Curs
finalizat
