
Hướng dẫn đầy đủ dành cho người luyện thi AB Test
거친코딩
Khi mức độ phổ biến và sự quan tâm đến AB Test ngày càng tăng, chúng tôi sẽ thông báo cho bạn về bài giảng AB Test đầu tiên của Hàn Quốc ngay bây giờ!
Basic
AB test, Statistics
Đối với những người mới làm quen với học máy, chúng tôi sẽ cung cấp sự hiểu biết rõ ràng về hướng nghiên cứu và các khái niệm cơ bản.
5,618 học viên
Độ khó Cơ bản
Thời gian Không giới hạn

Đánh giá từ những học viên đầu tiên
5.0
Sona Lim
Sự phản kháng đối với Google Colab đã biến mất, Tôi thích các ghi chú bài giảng được đăng trên blog để bạn có thể dễ dàng xem lại!
5.0
동해물과백두산이마르고닳도록
Đây là một bài giảng tuyệt vời
5.0
현주
Tôi rất hài lòng với sự hướng dẫn của mình với Rough Coding nên tôi cũng đã tham gia khóa học này. Đúng như mong đợi, kỹ năng giảng dạy rất tốt và nội dung lớp học đầy thông tin! Cảm ơn bạn ~! Hãy upload thêm bài giảng nhé!!
Tiền xử lý và xử lý dữ liệu thông qua thư viện Pandas
Trực quan hóa dữ liệu với thư viện Matplotlib và Seaborn
Lý thuyết và thực hành học máy bằng thư viện Scikit-Learn
Bài tập thực hành sử dụng dữ liệu Kaggle
Với mã hóa thô sơ nhưng hữu ích,
Xây dựng máy học Python từ đầu 📖
Những điều bạn cần biết để bắt đầu học máy
Thư viện cơ bản và
Tìm hiểu về các mô hình học máy thực tế!
#Gấu trúc #Matplotlib #Seaborn
Học máy đang rất phổ biến hiện nay
Tôi biết là tốt, nhưng
Tôi thực sự không biết nên bắt đầu từ đâu .
Tôi đã học về máy học rồi
Nó đang được áp dụng, nhưng
Tôi không chắc mình có biết điều này đúng không .
Học máy đang ngày càng trở nên quan trọng!
Học máy là quá trình lập trình máy tính để học từ dữ liệu bằng nhiều thuật toán thống kê khác nhau.
Nhân tiện, bạn có biết tại sao chúng ta sử dụng máy học không?
Ví dụ, hãy lấy trường hợp tạo bộ lọc để xử lý thư rác trong một dịch vụ bằng các kỹ thuật truyền thống.
Trong trường hợp này, chúng ta sẽ tạo một bộ lọc thư rác như thế này:
Cách tiếp cận trên có vẻ đơn giản, nhưng khi vấn đề trở nên phức tạp hơn và số lượng quy tắc tăng lên, việc bảo trì sẽ trở nên khó khăn.
Mặt khác, máy học có thể cải thiện đáng kể khả năng bảo trì và độ chính xác bằng cách tự động học các mẫu xuất hiện trong thư rác.
Khi công nghệ học máy ngày càng được biết đến rộng rãi và nhận được nhiều sự yêu thích, vô số khóa học liên quan đã xuất hiện. Tuy nhiên, hầu hết các khóa học này đều đi theo một mô hình tương tự, chỉ tập trung vào chủ đề hoặc khái niệm một cách cứng nhắc, thiếu giải thích về cách áp dụng và vận dụng công nghệ này vào thực tế.
Vì vậy, không giống như các bài giảng khác, bài giảng này không đi thẳng vào chủ đề về máy học.
Thay vào đó, chúng ta sẽ tìm hiểu về các thư viện thực sự cần thiết trước khi thực sự thực hiện học máy, trong khi tự do xử lý trước và trực quan hóa dữ liệu thực , sau đó tìm hiểu về các khái niệm học máy tổng thể.
💡 Bạn có thể thiết lập hướng để bắt đầu học máy.
💡 Bạn có thể học những khái niệm cơ bản về máy học.
💡 Bạn có thể phát triển các khả năng cần thiết để phân tích ngoài việc học máy.
Dựa trên kiến thức chuyên môn tích lũy được trong nhiều năm, chúng tôi sẽ giúp bạn học máy hiệu quả.
Bạn có muốn cùng chúng tôi thử học máy không?
Trong phân tích dữ liệu Python
Bất cứ ai quan tâm
Nghiên cứu về máy học
Dành cho người mới bắt đầu
Tiền xử lý và xử lý dữ liệu
Những người muốn học
Lý thuyết học máy
Những người muốn xem lại
Hãy kiểm tra kiến thức chơi game của bạn!
Kaggle
Gấu trúc
Matplotlib
Scikit-Learn
Chỉ những thứ cần thiết thôi!
Nhiều sản phẩm khác trên thị trường
Không giống như các bài giảng về máy học,
Chỉ nội dung cần thiết
Để tôi giới thiệu sơ qua cho bạn nhé.
Nâng cấp thông qua thực hành
Nó không dừng lại ở lý thuyết
scikit-learn tích hợp sẵn và
Sử dụng dữ liệu Kaggle
Chúng tôi cung cấp đào tạo thực tế.
Học máy cho người mới bắt đầu
Biết những điều cơ bản của Python
Phù hợp với trình độ người mới bắt đầu
Không khó
Bạn có thể học khái niệm này.
Phân tích dữ liệu nữa à?
Không chỉ là khái niệm học máy
Cần thiết cho việc phân tích dữ liệu
Sử dụng thư viện
Chúng tôi cũng sẽ giới thiệu nó.
✅ Tôi sẽ hướng dẫn bạn các phương pháp học tập hiệu quả dựa trên kiến thức chuyên môn mà tôi đã tích lũy được thông qua việc học máy.
✅ Chúng tôi sẽ giúp bạn nhớ lại những khái niệm khó hiểu thông qua các bài giảng lý thuyết về các mô hình học máy tổng thể.
✅ Nếu bạn có bất kỳ thắc mắc nào trong quá trình học, vui lòng để lại câu hỏi. Tôi sẽ cố gắng giải đáp.
Xin lưu ý trước khi tham gia lớp học!
Hãy xem VLOG của chuyên gia chia sẻ kiến thức Rough Coding ngay nhé! 🐯
Khóa học này dành cho ai?
Bất cứ ai quan tâm đến học máy
người mới bắt đầu học máy
Bất cứ ai muốn học trực quan hóa Python
Bất cứ ai muốn tìm hiểu về tiền xử lý và xử lý dữ liệu
Cần biết trước khi bắt đầu?
trăn
6,994
Học viên
110
Đánh giá
102
Trả lời
4.8
Xếp hạng
3
Các khóa học
Xin chào. Tôi là nhà phân tích dữ liệu "Geochin Coding" tuy thô ráp nhưng thực sự hữu ích.
Khoa Thống kê, Đại học Korea (Tốt nghiệp)
Cao học chuyên ngành Khoa học dữ liệu hội tụ, Đại học Korea (Đang theo học)
Thành viên Hội đồng đánh giá Bảng xếp hạng đại học thế giới QS (QS World University Rankings)
Hoàn thành khóa học chuyên sâu về Trí tuệ nhân tạo (AI) tại Đại học trọng điểm về SW - Đại học Korea
Trưởng nhóm chuyên đề (Session Leader) CLB Máy tính KUCC, Đại học Korea
5 lần đứng đầu khoa, 1 lần đứng đầu toàn trường tại Đại học Korea
Chứng chỉ Kỹ sư Phân tích Dữ liệu lớn (Big Data Analysis Engineer)
Chứng chỉ Phân tích Dữ liệu Lớn Bán chuyên nghiệp (ADsP)
Hiện tại tôi đang thực hiện thu thập, xử lý, phân tích, dự báo, trực quan hóa dữ liệu và tự động hóa công việc bằng cách sử dụng Python và công cụ trực quan hóa (Tableau) tại "một trong những công ty thuộc nhóm Naver/Kakao" .
Phương pháp học tập hiệu quả dành cho các bạn sinh viên đang mơ ước theo đuổi công việc phân tích dữ liệu
Tư vấn dành cho các nhà phân tích cấp độ Junior đang làm việc trong lĩnh vực phân tích dữ liệu
Những người không làm việc trong khối ngành IT nhưng muốn ứng dụng công nghệ IT vào công việc hiện tại của mình.
Tiến hành theo hình thức trực tuyến thông qua Zoom
Chuẩn bị: Máy tính, camera, tai nghe
Tiến hành cố vấn dựa trên các câu hỏi đã chuẩn bị trước hoặc tùy theo tình hình hiện tại.
Trong mọi việc, bắt đầu luôn là bước quan trọng nhất. Với niềm đam mê cháy bỏng, nhất định chúng ta sẽ đạt được những gì mình mong muốn!..
rough_coding@naver.com
Tất cả
25 bài giảng ∙ (9giờ 0phút)
Tất cả
48 đánh giá
4.9
48 đánh giá
Đánh giá 2
∙
Đánh giá trung bình 5.0
5
Sự phản kháng đối với Google Colab đã biến mất, Tôi thích các ghi chú bài giảng được đăng trên blog để bạn có thể dễ dàng xem lại!
Tôi rất vui khi biết rằng bạn hài lòng ~!! Như bạn đã đề cập, tất cả nội dung bài giảng và mã nguồn của khóa học đều có sẵn trên blog. Nếu bạn gặp khó khăn trong quá trình học, vui lòng tham khảo blog! Tôi sẽ luôn ủng hộ bạn khi bạn học tập chăm chỉ. Cảm ơn -Giấc mơ viết mã thô-
Đánh giá 3
∙
Đánh giá trung bình 5.0
5
Tôi rất hài lòng với sự hướng dẫn của mình với Rough Coding nên tôi cũng đã tham gia khóa học này. Đúng như mong đợi, kỹ năng giảng dạy rất tốt và nội dung lớp học đầy thông tin! Cảm ơn bạn ~! Hãy upload thêm bài giảng nhé!!
à! Bạn cũng đã tham gia một bài giảng sau khi được hướng dẫn! Chúng tôi sẽ gặp bạn vào cuối tháng 10 với bài giảng về hệ thống đề xuất được cá nhân hóa :) -Giấc mơ viết mã thô-
Người hướng dẫn Đây là một câu hỏi về dữ liệu lương hưu. Url dữ liệu thực hành: https://drive.google.com/drive/folders/149jcCyJFKKG5MFaPNWnYYqM2EkzgRz2P?usp=sharing Tạo thư mục dữ liệu mới (machine_learning_data) và tải tệp lên Nếu đi đến vị trí trên, bạn sẽ thấy "machine_learning_data" Một thư mục dùng chung có tên Trong đó chỉ có file jpg và file cvs, không tìm thấy file nào liên quan đến bài giảng. Nếu tôi tìm sai chỗ, xin vui lòng cho tôi biết.
Đánh giá 5
∙
Đánh giá trung bình 5.0
5
Tôi yêu nó rất nhiều
Cảm ơn :) Tôi sẽ trở lại với một bài giảng tốt hơn. -Giấc mơ viết mã thô-
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
Thật tuyệt vời khi có thể áp dụng mọi thứ từ ngữ pháp Python cơ bản đến mô hình hóa cho đến nghiên cứu điển hình ngay trên Keggle! Một bài giảng miễn phí chất lượng như thế này... Tôi rất mong chờ loạt bài giảng này :)
Tôi rất vui vì bạn thấy nó hữu ích! Tôi sẽ quay lại với một bài giảng hay hơn. -Giấc mơ viết mã thô-
Miễn phí
Hãy khám phá các khóa học khác của giảng viên!
Khám phá các khóa học khác trong cùng lĩnh vực!