Kurs
Beskrivning av inlärningsväg
Grunderna i maskininlärning i Python
Lås upp kraften i maskininlärning med Python
Dyk in i den spännande världen av maskininlärning med Python i denna omfattande bana. Du börjar med att bemästra grunderna i övervakad inlärning med hjälp av det populära biblioteket scikit-learn. Arbeta med verkliga datamängder för att bygga kraftfulla prediktiva modeller och få praktisk erfarenhet av att hantera klassificerings- och regressionsproblem.Utforska tekniker för oövervakad inlärning
Utveckla dina färdigheter genom att lära dig hur du upptäcker dolda mönster och strukturer i omärkt data. Med hjälp av Python-biblioteken scikit-learn och scipy kommer du att:- Klustra datapunkter i distinkta grupper
- Minska dimensionaliteten för att visualisera högdimensionella datamängder
- Extrahera meningsfulla insikter från komplex data
- Tillämpa oövervakad inlärning för att lösa verkliga utmaningar
Fördjupa dig i djupinlärning med PyTorch
Upptäck kraften i neurala nätverk och djupinlärning när du lär dig att bygga och träna modeller med PyTorch, ett banbrytande ramverk för djupinlärning. Genom interaktiva övningar bygger du ditt första neurala nätverk från grunden samtidigt som du bemästrar viktiga koncept som backpropagation och gradient descent. Du kommer också att utforska tekniker för att optimera modellprestanda genom att justera hyperparametrar och tillämpa djupinlärning på uppgifter som bildklassificering och sentimentanalys.Utforska grunderna i förstärkningsinlärning
Slutför din maskininlärningsresa genom att utforska det fascinerande området förstärkningsinlärning. Med hjälp av Python-biblioteket Gymnasium lär du dig hur intelligenta agenter kan lära sig optimala beteenden genom försök och misstag. Få praktisk erfarenhet:- Formulera förstärkningsinlärningsproblem
- Implementera klassiska algoritmer som Q-learning och policy gradients
- Träna agenter att lösa komplexa miljöer
- Tillämpa förstärkningsinlärning på verkliga scenarier som spel och robotik