This course was created with the
course builder. Create your online course today.
Start now
Create your course
with
Automatyczne odtwarzanie
Autouzupełnienie
Poprzedni wykład
Kontynuuj
Machine Learning Bootcamp w języku Python cz.I - od A do Z (11h)
Uczenie maszynowe - wstęp
Wymagania
Czym jest uczenie maszynowe? (2:49)
Programowanie klasyczne vs. uczenie maszynowe (5:25)
Uczenie maszynowe - trendy (3:04)
Uczenie maszynowe - podział (4:53)
Główne problemy uczenia maszynowego (3:48)
Podział danych (2:35)
Uczenie nadzorowane - wstęp
Problem klasyfikacji binarnej (7:06)
Problem klasyfikacji wieloklasowej (3:19)
Problem regresji (3:27)
Projekt uczenia maszynowego - przepływ pracy (7:18)
Narzędzia i konfiguracja środowiska
Google Colab + Dysk Google + GitHub (9:38)
Utworzenie repozytorium na platformie GitHub (2:44)
Praca z Google Colab oraz platformą GitHub (2:47)
Przygotowanie danych do modelu
Przygotowanie danych do modelu - wykład (8:27)
Przygotowanie danych do modelu - ćwiczenie cz. 1 (16:23)
Przygotowanie danych do modelu - ćwiczenie cz. 2 (9:39)
Przygotowanie danych do modelu - ćwiczenie cz. 3 (11:17)
Braki danych - wykład (9:28)
Braki danych - ćwiczenie (12:42)
Braki danych w szeregach czasowych - ćwiczenie (7:49)
Ekstrakcja cech - wykład (8:52)
Ekstrakcja cech - ćwiczenie (10:41)
Zbiór treningowy, zbiór walidacyjny i zbiór testowy - wykład (14:01)
Zbiór treningowy, zbiór walidacyjny i zbiór testowy - ćwiczenie (19:39)
Wybór biblioteki do uczenia maszynowego (9:07)
------REGRESJA-----
Regresja
Uczenie maszynowe - regresja - intuicja (7:18)
Regresja liniowa
Regresja liniowa - wykład (10:46)
Regresja liniowa - równanie normalne - wykład (3:48)
Regresja liniowa - równanie normalne - ćwiczenie (5:36)
Regresja liniowa - spadek wzdłuż gradientu - wykład (10:29)
Regresja liniowa - spadek wzdłuż gradientu - ćwiczenie (7:14)
Regresja liniowa - spadek wzdłuż gradientu - pułapki (9:53)
Regresja liniowa w R2 - ćwiczenie (12:15)
Regresja liniowa w R2 - zbiór treningowy, testowy - ćwiczenie (9:34)
Regresja liniowa - case study - wprowadzenie (13:05)
Regresja liniowa - case study - ćwiczenie (16:36)
Regresja liniowa - case study - eliminacja wsteczna (5:40)
Regresja liniowa - case study - eliminacja wsteczna - automatyzacja (4:37)
Regresja wielomianowa
Regresja wielomianowa - wykład (9:49)
Regresja wielomianowa - ćwiczenie (10:33)
Regresja drzew decyzyjnych
Regresja drzew decyzyjnych - wykład (9:04)
Regresja drzew decyzyjnych - ćwiczenie (7:30)
Regresja - ocena modelu
Ocena modeli regresyjnych - wykład (7:14)
Ocena modeli regresyjnych - ćwiczenie (10:09)
-----KLASYFIKACJA-----
Klasyfikacja
Regresja logistyczna
Regresja logistyczna - wykład (7:21)
Regresja logistyczna - funkcja straty - wykład (5:42)
Regresja logistyczna - ćwiczenie (11:25)
K-najbliższych sąsiadów
K-najbliższych sąsiadów - wykład (11:07)
K-najbliższych sąsiadów - ćwiczenie (14:10)
Drzewa decyzyjne
Drzewa decyzyjne - wykład (16:51)
Drzewa decyzyjne - gini, entropia - wykład (12:53)
Drzewa decyzyjne - gini, entropia - ćwiczenie (9:10)
Drzewa decyzyjne - zysk informacyjny - wykład (10:36)
Drzewa decyzyjne - zalety i wady - wykład (4:54)
Drzewa decyzyjne - ćwiczenie (11:25)
Uczenie zespołowe - lasy losowe
Las losowy - wykład (4:39)
Las losowy - ćwiczenie (7:49)
Maszyna wektorów nośnych
Maszyna wektorów nośnych - wykład (9:54)
Maszyna wektorów nośnych - ćwiczenie (7:54)
Naiwny klasyfikator bayesowski
Naiwny klasyfikator bayesowski - twierdzenie Bayes'a (7:42)
Naiwny klasyfikator bayesowski - przykład (8:55)
Naiwny klasyfikator bayesowski - ćwiczenie (4:30)
Klasyfikacja - ocena modelu
Ocena modeli klasyfikacyjnych - wykład 1 (9:40)
Ocena modeli klasyfikacyjnych - wykład 2 (2:02)
Ocena modeli klasyfikacyjnych - ćwiczenie (13:21)
-----DOBÓR MODELU-----
Dobór modelu
Dobór modelu
Niedouczenie i przeuczenie modelu - wykład (7:30)
Niedouczenie i przeuczenie modelu - ćwiczenie (5:51)
Walidacja krzyżowa - wykład (6:42)
Walidacja krzyżowa - ćwiczenie (4:59)
Przeszukiwanie siatki - wykład (5:48)
Przeszukiwanie siatki - ćwiczenie (11:43)
------CASE STUDIES-----
Case studies
Case Study I - rozpoznawanie cyfr
Klasyfikacja - rozpoznawanie cyfr (13:10)
Case Study II - klasyfikacja obrazów
Klasyfikacja - rozpoznawanie obrazów - Fashion MNIST (17:41)
Case Study III - analiza sentymentu - recenzje filmowe
Praca z danymi tekstowymi - przygotowanie do modelu (15:35)
Klasyfikacja - movie reviews (10:37)
BONUS
Grupa na Facebooku (0:51)
Rekomendowane ścieżki uczenia
Bonus
Regresja liniowa - spadek wzdłuż gradientu - pułapki
Treść wykładu zablokowana
Jeśli jesteś już zarejestrowany,
musisz się zalogować
.
Zapisz się na kurs, aby odblokować