Menjadi penting di dunia yang berpusat di sekitar Machine Learning
Apa yang akan Anda pelajari?
-
Cara mengambil ide pembelajaran mesin dan menuangkannya ke dalam proyek yang berfungsi penuh
-
Berbagai jenis pendekatan pembelajaran mesin dan model dalam setiap bagian
-
Pemahaman teoretis dan intuitif tentang cara kerja setiap model
-
Aplikasi praktis dan penerapan setiap model yang kami bahas
-
Cara mengoptimalkan model
-
Jebakan umum dan cara mengatasinya
-
Keterampilan teknis untuk menggunakan pembelajaran mesin di tempat kerja atau untuk proyek Anda sendiri
Persyaratan
-
Pengetahuan dasar Python
-
Beberapa pengalaman sebelumnya dengan perpustakaan pandas dan matplotlib sangat membantu
Keterangan
Pembelajaran mesin terus meningkat popularitasnya, dan untuk alasan yang bagus. Perusahaan yang mampu memanfaatkan pembelajaran mesin dengan tepat dapat memecahkan masalah kompleks yang terbukti sangat sulit dengan pengembangan perangkat lunak standar.
Namun, membangun model pembelajaran mesin yang baik tidak selalu mudah, dan sangat penting untuk memiliki dasar yang kuat sehingga jika/ketika Anda mengalami masalah dengan model di tempat kerja, Anda memahami langkah apa yang harus diambil untuk memperbaikinya.
Itu sebabnya kursus ini berfokus untuk selalu memperkenalkan setiap model yang kami bahas terlebih dahulu dengan latar belakang teoritis tentang cara kerja model, sehingga Anda dapat membangun intuisi yang tepat di sekitar perilakunya. Kemudian kita akan memiliki komponen praktis, di mana kita akan mengimplementasikan model pembelajaran mesin dan menggunakannya pada data aktual. Dengan cara ini Anda mendapatkan baik secara langsung, serta landasan teoretis yang kuat, tentang cara kerja berbagai model pembelajaran mesin, dan Anda akan dapat menggunakan pengetahuan ini untuk memilih dan memperbaiki model dengan lebih baik, tergantung pada situasinya.
Dalam kursus ini kita akan membahas berbagai jenis aspek pembelajaran mesin.
Kita akan mulai dengan melalui proyek pembelajaran mesin sampel dari ide hingga mengembangkan model kerja akhir. Kita akan mempelajari banyak teknik penting seputar persiapan data, pembersihan, rekayasa fitur, pengoptimalan dan teknik pembelajaran, dan banyak lagi.
