parkheesang

Phân tích dữ liệu hoàn tất với công cụ này. 
Bắt đầu với phân tích dữ liệu trí tuệ nhân tạo Orange mà không cần mã hóa!

masocampus

Phân tích dữ liệu nâng cao ngay cả đối với người mới bắt đầu, gói tổng thể từng bước của Orange

Cảm ơn bạn đã để lại đánh giá khóa học😊

시리즈

노코드

no-code

데이터분석

입문

초급

중급이상

오렌지3

Orange3

No-code

Machine Learning(ML)

Statistics

1. Phân tích dữ liệu AI không cần lập trình với Orange Lv.0 Nhập môn phân tích dữ liệu dựa trên AI

1-1. Giới thiệu khóa học

1-2. Giới thiệu công cụ phân tích no-code Orange

1-3. Giới thiệu phân tích dữ liệu sử dụng Orange

1-4. Nhập môn phân tích dữ liệu AI

1-5. Tổng hợp phân tích dữ liệu AI

2. Phân tích dữ liệu AI không cần lập trình với Orange - Lv.1 Bước đầu tiên về khai phá dữ liệu

2-1. Giới thiệu nội dung học tập

2-2. Sự cần thiết và cài đặt công cụ phân tích dữ liệu No-code

2-3. Làm việc với quy trình phân tích dữ liệu

2-4. Mô hình phân tích dữ liệu và Thuật toán học máy: Học có giám sát và Học không giám sát

2-5. Nhập dữ liệu từ nhiều nguồn

2-6. Cốt lõi của việc chọn thuật toán, loại và vai trò của dữ liệu

2-7. Lấy mẫu dữ liệu và Thiết lập thông tin

2-8. Rút ra insights từ thống kê mô tả

2-9. Phân tích dữ liệu xác nhận

2-10. Phân tích không code và đọc kết quả của 3 phương pháp phân tích tiêu biểu được sử dụng nhiều nhất

2-11. Máy móc thông minh thay thế con người

3. Phân tích dữ liệu AI không cần coding sử dụng Orange - Lv.2 Tiền xử lý và trực quan hóa dữ liệu

3-1. Hướng dẫn nội dung học tập

3-2. Cơ bản về Kỹ thuật đặc trưng

3-3. Làm sạch dữ liệu

3-4. Xử lý giá trị thiếu

3-5. Xử lý giá trị ngoại lai

3-6. Chuyển đổi dữ liệu và Mã hóa

3-7. Scale dữ liệu

3-8. Đường ống tiền xử lý dữ liệu và Lấy mẫu

3-9. Nhóm và Công thức tạo feature

3-10. Phương pháp trực quan hóa hiệu quả và lưới

3-11. Trực quan hóa phân tích so sánh dữ liệu

3-12. Trực quan hóa quan hệ dữ liệu

3-13. Trực quan hóa phân bố dữ liệu

3-14. Trực quan hóa để phân tích cấu trúc dữ liệu

3-15. Trực quan hóa bản đồ

4. Phân tích dữ liệu AI không cần lập trình sử dụng Orange - Lv.3 Phân tích Machine Learning dự đoán

4-1. Hướng dẫn nội dung học tập

4-2. Phân loại và dự đoán là gì

4-3. Xử lý mô hình dự đoán qua hiểu biết hồi quy

4-4. Kết quả dự đoán chính xác mới là mô hình tốt

4-5. Mô hình tốt phải sử dụng được rộng rãi

4-6. Mô hình tốt nên đơn giản và không quá phức tạp.

4-7. Nguyên lý tối ưu hóa đỉnh bằng phẳng

4-8. Cốt lõi của Trí tuệ nhân tạo: Mạng nơ-ron nhân tạo

5. Phân tích dữ liệu AI không code với Orange - Lv.4 Phân tích học máy phân loại

5-1. Phân loại nhị phân và hiệu chỉnh

5-2. Làm thế nào để biết có phân loại tốt không?

5-3. Máy học vector hỗ trợ tìm siêu phẳng

5-4. KNN: Nhìn người bên cạnh và làm theo khi không chắc chắn

5-5. Naive Bayes và Tích xác suất hai sự kiện độc lập

5-6. Các mô hình phân loại mô phỏng cây và rừng: Tree và Random Forest

5-7. Tạo mô hình phân tích tùy chỉnh từ dữ liệu

5-8. Kỹ thuật Ensemble kết hợp nhiều mô hình để phân tích