Opprette maskinlæringsmodeller

  • Læringsbane
  • 6 Moduler

Rask oversikt

Maskinlæring er grunnlaget for prediktiv modellering og kunstig intelligens. Lær noen av kjerneprinsippene for maskinlæring og hvordan du bruker vanlige verktøy og rammeverk til å lære opp, evaluere og bruke maskinlæringsmodeller.

Forutsetninger

Dette læreprogrammet forutsetter kunnskap om grunnleggende matematiske begreper. Noe erfaring med Python er også gunstig.

Moduler i dette læreprogrammet

Innføring i maskinlæringskonsepter

Maskinlæring er grunnlaget for de fleste moderne løsninger for kunstig intelligens. En kjennskap til kjernekonseptene som maskinlæring er basert på, er et viktig grunnlag for å forstå KUNSTIG INTELLIGENS.

Utforske og analysere data med Python

Datautforskning og analyse er kjernen i datavitenskapen. Dataforskere krever ferdigheter i programmeringsspråk som Python for å utforske, visualisere og manipulere data.

Lære opp og evaluere regresjonsmodeller

Regresjon er en vanlig maskinlæringstype for å forutsi numeriske verdier.

Lære opp og evaluere klassifiseringsmodeller

Klassifisering er en type maskinlæring som brukes til å kategorisere elementer i klasser.

Kalibrer og evaluer grupperingsmodeller

Klynger er en type maskinlæring som brukes til å gruppere lignende elementer i klynger.

Lære opp og evaluere dype læringsmodeller

Dyp læring er en avansert form for maskinlæring som emulerer måten den menneskelige hjernen lærer gjennom nettverk av tilkoblede nevroner.

Start