Курс
Практика вопросов интервью по машинному обучению на Python
Продвинутый уровеньУровень навыков
Обновлено 09.2022
PythonMachine Learning4 ч16 видео60 Упражнений4,600 XP12,226Справка об успешном завершении
Создать бесплатный аккаунт
Продолжить через GoogleПоказать больше вариантовили
Продолжая, вы принимаете наши Условия использования, Политику конфиденциальности и соглашаетесь с хранением ваших данных в США.
Любимая обучающимися из тысяч компаний
Обучаете команду?
Попробуйте для бизнесаОписание курса
Подготовьтесь к собеседованию по машинному обучению
Вы когда-нибудь задумывались, как правильно подготовиться к собеседованию по машинному обучению? В этом курсе вы подготовите ответы на 15 распространённых вопросов на собеседовании по Machine Learning (ML) в Python для роли data scientist.Эти вопросы будут посвящены семи важным темам: предварительной обработке данных, визуализации данных, обучению с учителем, обучению без учителя, ансамблированию моделей, выбору моделей и оценке моделей.
Освежите свои знания в области машинного обучения
Вы начнёте с работы над вопросами предварительной обработки данных и визуализации данных. После выполнения всех этапов предварительной обработки вы создадите предиктивную ML-модель, чтобы отточить свои практические навыки.Далее вы изучите некоторые методы обучения с учителем, прежде чем перейти к обучению без учителя. В зависимости от роли, на собеседовании по машинному обучению вам, скорее всего, предстоит затронуть обе темы.
Наконец, вы завершите курс, изучив выбор и оценку моделей, узнаете, как оценивать производительность для обобщения модели, а также рассмотрите различные методы при построении ансамблевой модели.
Практические ответы на самые распространённые вопросы на собеседовании по машинному обучению
К концу курса вы будете обладать как необходимой теоретической базой, так и навыками разработки кода на Python, чтобы успешно ответить на эти 15 вопросов.Примеры кода будут в основном основаны на пакете scikit-learn, учитывая его простоту использования и способность охватывать наиболее важные методы машинного обучения на языке Python.
Курс не обучает основам машинного обучения, поскольку они рассматриваются в предварительных требованиях к курсу.
Необходимые условия
Unsupervised Learning in PythonSupervised Learning with scikit-learn1
Предобработка и визуализация данных
В первой главе курса вы выполните все шаги предобработки данных, необходимые для построения предиктивной модели машинного обучения: научитесь работать с пропущенными значениями, выбросами и нормализацией набора данных.
2
Обучение с учителем
Во второй главе курса вы отработаете различные аспекты обучения с учителем: выбор оптимального подмножества признаков, регуляризацию для предотвращения переобучения модели, конструирование признаков и ансамблевые модели для решения проблемы компромисса между смещением и дисперсией.
3
Обучение без учителя
В третьей главе курса вы применяете обучение без учителя для извлечения признаков и визуализации в задачах снижения размерности, а также используете методы кластеризации для выбора подходящего алгоритма и оптимального числа кластеров для набора данных.
4
Выбор и оценка модели
В четвёртой, заключительной главе курса вы выйдете на новый уровень: примените бутстрэп и кросс-валидацию для оценки обобщающей способности модели, методы ресэмплинга для работы с несбалансированными классами, обнаружите и устраните мультиколлинеарность, а также построите ансамблевую модель.
Практика вопросов интервью по машинному обучению на Python
Курс завершён
Получить сертификат об окончании
Добавьте эту квалификацию в профиль LinkedIn, резюме или CVПоделитесь в социальных сетях и в обзоре эффективностиЗаписаться сейчас
Присоединяйтесь к более чем 19 миллионам обучающихся и начните Практика вопросов интервью по машинному обучению на Python уже сегодня!
Создать бесплатный аккаунт
Продолжить через GoogleПоказать больше вариантовили
Продолжая, вы принимаете наши Условия использования, Политику конфиденциальности и соглашаетесь с хранением ваших данных в США.
Развивайте свои навыки работы с данными с помощью DataCamp для мобильных устройств.
Успевайте в обучении на ходу с помощью наших мобильных курсов и ежедневных 5-минутных заданий по программированию.