Dự án thực hành phân tích trực quan hóa dữ liệu Python
Đây là quy trình chuẩn bị dự án học máy và học sâu, xử lý dữ liệu lớn của Boston Marathon thành dạng mong muốn bằng Python và biến nó thành thông tin có giá trị bằng nhiều biểu đồ và công nghệ khác nhau.
Giới thiệu bài giảng mới.
Cuộc chinh phục hoàn chỉnh của Python Machine Learning - Dự án dự đoán kỷ lục Marathon
Tìm hiểu cả khái niệm máy học và các kỹ thuật thực tế bằng cách sử dụng Python và Tensorflow.
Chúng tôi sẽ phát triển kỹ năng của bạn bằng cách cùng nhau thực hiện năm dự án khác nhau dựa trên các chủ đề chính.
Dữ liệu lớn của Boston Marathon sử dụng Python và TensorFlow
Các khái niệm cơ bản về học máy cũng như các chủ đề cốt lõi về hồi quy và phân loại
Phát triển các khái niệm và kỹ năng thực tế bằng cách học năm dự án cùng nhau
Đây là một khóa học dự án học máy thú vị và hữu ích .
Dự án 1. Cơ bản về hồi quy tuyến tính
: Dự đoán kỷ lục chặng đua còn lại của Marathon
Tìm hiểu khái niệm hồi quy tuyến tính, những kiến thức cơ bản về học máy.
Sử dụng dữ liệu lớn từ khoảng 80.000 cuộc thi Marathon ở Boston, khi bạn chọn một vận động viên chạy theo ý muốn, máy học sẽ ghi nhận các bản ghi lên tới 30 km. Sau đó, ghi chép của các đoạn còn lại 35, 40 và 42,195km được dự đoán bằng phương pháp hồi quy tuyến tính và so sánh với số liệu thực tế. Chúng tôi tìm hiểu các khái niệm và kỹ thuật để giải quyết các vấn đề hồi quy tuyến tính bằng TensorFlow.
Dự án 2. Hồi quy đa biến
: Dự đoán kỷ lục hoàn thành marathon
Hiểu các vấn đề hồi quy đa biến và tìm hiểu cách giải quyết chúng.
Kiểm tra kết quả dự đoán về thành tích về đích của machine learning bằng cách nhập các giá trị giới tính, độ tuổi và tốc độ bằng kỹ thuật Hồi quy đa biến và tìm hiểu về 80.000 dữ liệu lớn của Boston Marathon. Ngay cả khi không chạy marathon, máy học vẫn được học và hồ sơ được dự đoán dựa trên dữ liệu được phân tích.
Dự án 3. Hồi quy đầu ra đa biến
: Dự đoán kỷ lục chặng marathon
Hiểu các vấn đề hồi quy đa biến, đầu ra và tìm hiểu cách giải quyết chúng.
Học máy, sử dụng các kỹ thuật Hồi quy đa đầu vào và đa đầu ra để nhập các giá trị giới tính, độ tuổi và tốc độ, đồng thời tìm hiểu khoảng 80.000 dữ liệu lớn ở Boston Marathon, không chỉ ghi lại bản ghi hoàn thành mà còn ghi lại cho mỗi 10, 20 và 30 km phần dự đoán.
Dự án 4. Phân loại logistic nhị phân
: Kiểm tra xem bạn có đủ tiêu chuẩn chạy marathon hay không
Hiểu khái niệm Phân loại nhị phân, là cơ sở của Hồi quy/Phân loại logistic và tìm hiểu cách giải quyết nó.
Chúng tôi dự đoán liệu một cuộc chạy marathon có đủ điều kiện hay không bằng cách sử dụng kỹ thuật Phân loại nhị phân, đây là cơ sở của Hồi quy logistic. Bạn cũng sẽ tìm hiểu các kỹ thuật để thêm trạng thái đủ điều kiện vào khoảng 80.000 dữ liệu Boston Marathon hiện có bằng cách sử dụng công nghệ gấu trúc Python tiên tiến.
Dự án 5. Phân loại logistic đa thức
: Dự đoán điểm kỷ lục Marathon
Hiểu khái niệm Phân loại đa thức của hồi quy/phân loại logistic và tìm hiểu cách giải quyết nó.
Sử dụng kỹ thuật Phân loại Đa thức của Hồi quy Logistic, thành tích hoàn thành marathon được chia thành ba mức: 'Xuất sắc (>25%)', 'Trung bình (25~75%)' và 'Dưới (<75%)' để xác định kỳ vọng của bạn Dự đoán thứ hạng.
Hãy đón chờ những bài giảng khác nhau như học sâu và IoT sử dụng học máy trong tương lai.
Các tài liệu và nguồn chương trình được sử dụng trong các bài giảng có thể được lấy từ trang Creapple (www.creapple.com), một trung tâm học tập kiến thức do tôi điều hành.
Tham gia các khóa học về kiến thức cơ bản về Python cũng như trực quan hóa và phân tích dữ liệu sẽ giúp ích rất nhiều trong việc thực hiện dự án của bạn.
Cốt lõi và những điều cơ bản của Python
Việc học các kỹ năng sẽ giúp ích cho bạn rất nhiều trong các khóa học khác.
Học máy bằng cách sử dụng Pandas, Matplotlib và Seaborn của Python,
Có thể được sử dụng trong nhiều dự án khác nhau như học sâu
Tìm hiểu các kỹ thuật phân tích và trực quan hóa dữ liệu cùng một lúc.
Những điều bạn có thể làm bằng cách học
- Tạo các mô hình và chương trình học máy
- Giải quyết vấn đề bằng TensorFlow
- Dự đoán kết quả phân loại học máy
- Dự đoán kết quả hồi quy học máy
- Hiểu về trí tuệ nhân tạo, học máy và học sâu
- Xử lý dữ liệu cho học máy và học sâu
- Phân tích xử lý dữ liệu với Python Pandas
- Phân tích dữ liệu bằng Python
Đối tượng mục tiêu
- Những người muốn sử dụng trí tuệ nhân tạo vào đời sống thực
- Bất kỳ ai phát triển kiến thức cơ bản về deep learning
- Bất cứ ai muốn học khoa học dữ liệu
- Bất kỳ ai muốn phát triển cả khái niệm học máy và kỹ năng thực tế
- Những người làm việc trong các dự án phân tích dữ liệu
- Những người muốn sử dụng TensorFlow trực tiếp
- Những người đang chuẩn bị cho các dự án học máy và học sâu
kiến thức người chơi
- Xử lý và trực quan hóa dữ liệu Python - Dự án thực hành phân tích trực quan hóa dữ liệu Python
- Kiến thức cơ bản về Python - Bài giảng cốt lõi về Python 100 phút
- Sẵn sàng học tập chăm chỉ