Curs
Exersează întrebări de interviu pentru Machine Learning în Python
AvansatNivel de competențe
Actualizat 09.2022
PythonMachine Learning4 h16 videoclipuri60 Exerciții4,600 XP12,164Certificat de realizare
Creează-ți contul gratuit
Continuă cu GoogleArată mai multe opțiunisau
Continuând, accepți Termenii de utilizare, Politica de confidențialitate și că datele tale sunt stocate în SUA.
Îndrăgit de cursanți din mii de companii
Formare pentru o echipă?
Încearcă pentru afaceriDescrierea cursului
Aceste întrebări acoperă șapte teme importante: preprocesarea datelor, vizualizarea datelor, învățarea supervizată, învățarea nesupervizată, combinarea modelelor, selecția modelelor și evaluarea modelelor.
Vei începe cu întrebări despre preprocesarea și vizualizarea datelor. După parcurgerea tuturor etapelor de preprocesare, vei construi un model ML predictiv pentru a-ți consolida abilitățile practice.
În continuare, vei explora tehnici de învățare supervizată, apoi vei trece la învățarea nesupervizată. În funcție de rol, este probabil să abordezi ambele teme în cadrul unui interviu de machine learning.
În final, vei parcurge selecția și evaluarea modelelor, examinând cum să evaluezi performanța pentru generalizarea modelului, și vei aplica diverse tehnici în timp ce construiești un model de ansamblu.
La finalul cursului, vei deține atât fondul teoretic necesar, cât și capacitatea de a scrie cod Python pentru a răspunde cu succes la aceste 15 întrebări.
Exemplele de cod se bazează în principal pe pachetul scikit-learn, datorită ușurinței de utilizare și capacității de a acoperi cele mai importante tehnici de machine learning în Python.
Cursul nu predă noțiunile fundamentale de machine learning, acestea fiind acoperite în cursurile recomandate ca prerequisite.
Cerințe prealabile
Unsupervised Learning in PythonSupervised Learning with scikit-learn1
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.
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
Obține diploma de absolvire
Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumatDistribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum
Alătură-te celor peste 19 de milioane de cursanți și începe Exersează întrebări de interviu pentru Machine Learning în Python astăzi!
Creează-ți contul gratuit
Continuă cu GoogleArată mai multe opțiunisau
Continuând, accepți Termenii de utilizare, Politica de confidențialitate și că datele tale sunt stocate în SUA.
Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil
Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.