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
Dobór modelu
Treść wykładu zablokowana
Jeśli jesteś już zarejestrowany,
musisz się zalogować
.
Zapisz się na kurs, aby odblokować
course builder. Create your online course today.
Start now
course builder. Create your online course today.
Start now
course builder. Create your online course today.
Start now
