Khóa học
Mô tả track
Cơ bản về Học máy trong Python
Khám phá sức mạnh của Học máy với Python
Hãy khám phá thế giới thú vị của học máy với Python trong khóa học toàn diện này. Quý vị sẽ bắt đầu bằng việc nắm vững các nguyên tắc cơ bản của học có giám sát thông qua thư viện scikit-learn phổ biến. Làm việc với các bộ dữ liệu thực tế để xây dựng các mô hình dự đoán mạnh mẽ và tích lũy kinh nghiệm thực tế trong việc giải quyết các vấn đề phân loại và hồi quy.Khám phá các kỹ thuật học máy không giám sát
Nâng cao kỹ năng của bạn bằng cách học cách phát hiện các mẫu và cấu trúc ẩn trong dữ liệu không được gắn nhãn. Sử dụng các thư viện scikit-learn và scipy của Python, quý vị sẽ:- Phân loại các điểm dữ liệu thành các nhóm riêng biệt
- Giảm chiều để trực quan hóa các tập dữ liệu có chiều cao.
- Trích xuất những thông tin có giá trị từ dữ liệu phức tạp Áp dụng học máy không giám sát để giải quyết các thách thức trong thực tế.
Khám phá Học sâu với PyTorch
Khám phá sức mạnh của mạng nơ-ron và học sâu khi bạn học cách xây dựng và đào tạo mô hình bằng PyTorch, một khung học sâu tiên tiến. Thông qua các bài tập tương tác, quý vị sẽ xây dựng mạng nơ-ron đầu tiên của mình từ đầu đồng thời nắm vững các khái niệm quan trọng như truyền ngược và giảm độ dốc. Quý vị cũng sẽ tìm hiểu các kỹ thuật tối ưu hóa hiệu suất mô hình bằng cách điều chỉnh siêu tham số và áp dụng học sâu vào các tác vụ như phân loại hình ảnh và phân tích cảm xúc.Khám phá các nguyên lý cơ bản của Học tăng cường
Hoàn thiện hành trình học máy của quý vị bằng cách khám phá lĩnh vực hấp dẫn của học tăng cường. Sử dụng thư viện Gymnasium của Python, quý vị sẽ tìm hiểu cách các tác nhân thông minh có thể học được các hành vi tối ưu thông qua quá trình thử và sai. Thu được kinh nghiệm thực tế:- Xây dựng các vấn đề học tăng cường
- Triển khai các thuật toán cổ điển như Q-learning và gradient chính sách
- Đào tạo các đại lý để giải quyết các môi trường phức tạp
- Ứng dụng học tăng cường vào các tình huống thực tế như chơi game và robotics