Mẹ tôi cũng có thể làm được Machine Learning (Thực hành cơ bản)

Name: Mẹ tôi cũng có thể làm được Machine Learning (Thực hành cơ bản)
Price: 29700 KRW

Bước đầu tiên để học AI: Tạo ra chương trình học tối ưu cho người mới bắt đầu làm quen với trí tuệ nhân tạo! Thứ hai trong số đó, hãy kết hợp lý thuyết và code đã học! Bây giờ là thực chiến! Giai đoạn củng cố nền tảng và sự tự tin về kiến thức của bản thân bằng cách giải mã lý thuyết đã học thành code.

22 học viên đang tham gia khóa học này

EDA

Machine Learning(ML)

Dịch cái này sang tiếng Việt

⭐ Tham số mô hình VS Siêu tham số
⭐ Tìm hiểu cách thức hoạt động của các siêu tham số theo từng mô hình
⭐ Kiến thức cơ bản về xử lý dữ liệu
⭐ Thực hành phân loại, hồi quy, phân cụm, hệ thống đề xuất
⭐ Các kỹ thuật điều chỉnh siêu tham số

Lý thuyết là bước đệm cho nhiều ứng dụng mã hóa khác nhau.
Là một sinh viên không chuyên ngành, tôi đã giành được giải thưởng lớn và giải xuất sắc trong các cuộc thi, giải nhất trong các cuộc thi và giải thưởng lớn và giải xuất sắc cho các dự án chỉ sau 5 tháng .
Bạn cần biết các nguyên tắc để có thể áp dụng chúng vào nhiều tình huống và dữ liệu khác nhau.
Khi lần đầu tiên tìm hiểu về trí tuệ nhân tạo, nhiều thuật ngữ được đưa ra và thứ tự học tập có vẻ xa lạ khi học theo chương trình giảng dạy tại trường . Chúng tôi đã suy nghĩ rất nhiều về điều đó và sửa đổi và sắp xếp thứ tự để ngay cả người mới bắt đầu cũng có thể theo dõi với ít bất tiện nhất có thể .
Thay vì chỉ giải thích các khái niệm toán học và thống kê, khi tham khảo các mô hình hoặc chỉ số liên quan, cần đề cập đến tính cần thiết của công thức hoặc khái niệm tương ứng , giúp dễ hiểu và thuyết phục hơn, giúp việc học trở nên dễ dàng hơn.

Chúng tôi chỉ sử dụng những khái niệm toán học và thống kê tối thiểu cần thiết để hiểu và thậm chí, chúng tôi đã sắp xếp tất cả thành các ví dụ để bạn dễ hiểu.
Bằng cách áp dụng trực tiếp những gì bạn đã học trong các bài giảng lý thuyết vào thực hành, bạn có thể kiểm tra kiến thức của mình và áp dụng nội dung vào mã hóa, hoàn toàn xóa tan nỗi sợ hãi và lo lắng của bạn khi bước vào lĩnh vực trí tuệ nhân tạo.
Những người không biết về máy học sẽ có thể học một cách có hệ thống và rộng rãi mà không cảm thấy gánh nặng, còn những người biết về máy học sẽ có thể thiết lập lại khái niệm một cách chính xác.
Đây là khóa học cơ bản bao gồm hầu hết mọi phần của máy học có thể hiểu được một cách trực quan và các khái niệm như SVM, ROC-AUC và xử lý ngôn ngữ tự nhiên giảm chiều (NLP) đều được trình bày trong lý thuyết máy học nâng cao.
Vì tất cả các bài giảng đều tập trung vào các bài giảng về học sâu trong tương lai nên chúng tôi giới thiệu khóa học này cho những ai muốn xây dựng nền tảng vững chắc về học máy .

Khuyến nghị cho
những người này!

Khóa học này dành cho ai?

Học viên khóa học Học máy mà mẹ tôi cũng có thể làm (Lý thuyết cơ bản)
⭐ Những ai cần hiểu về siêu tham số
⭐ Những người muốn thực hành liên quan đến machine learning

Cần biết trước khi bắt đầu?

Căn bản về Python
Cơ bản về numpy, pandas

Xin chào
Đây là

112

Học viên

Đánh giá

Trả lời

4.9

Xếp hạng

Các khóa học

비전공자이기 때문에, 비전공자를 잘 압니다.

비전공자의 시선에서 도움을 드리기 위해 최선을 다하겠습니다.

인공지능 사관학교 5기 수료

시계열 농산물 가격 예측 프로젝트 대상

케글 경진대회 1등 (200 中)

객체 탐지, RAG 기반 모의면접 프로젝트 우수상

한국인공지능협회 주관 AI활용 사회문제 해결 공모전 최우수상

호남 ICT이노베이션 디지털 신기술 공모전 우수상

Chương trình giảng dạy

Tất cả

16 bài giảng ∙ (6giờ 47phút)

Tài liệu khóa học:

Tài liệu bài giảng

Phần 1. Tài liệu bài giảng

2 bài giảng

1. PPT + code
2. Code thực hành (đáp án)

Phần 2. Tham số à? Ăn được không?

1 bài giảng ∙ (11phút)

3. Thông số mô hình VS Siêu tham số
11:48

Phần 3. Tìm hiểu siêu tham số mô hình phân loại!

3 bài giảng ∙ (48phút)

4. Cây quyết định siêu tham số
10:02
5. Voting, Bagging siêu tham số
12:14
6. Siêu tham số Boosting
25:56

Phần 4. Lý thuyết xong, thực hành nào (Thực hành dự đoán người sống sót trên tàu Titanic)

2 bài giảng ∙ (1giờ 24phút)

Phần 5. Tìm hiểu hyperparameter mô hình hồi quy tuyến tính !

1 bài giảng ∙ (12phút)

Phần 6. Lý thuyết xong, thực hành nào (Thực hành dự đoán giá kim cương)

2 bài giảng ∙ (2giờ 3phút)

Phần 7. 군집화 모델 하이퍼 파라미터를 알아보자!

1 bài giảng ∙ (17phút)

Phần 8. Xong lý thuyết, thực hành nào (Phân cụm hành vi tiêu dùng khách hàng dựa trên RFM)

1 bài giảng ∙ (36phút)

Phần 9. Nạp lý thuyết xong, thực hành thôi (Đề xuất phim Netflix, Dự đoán điểm Movielens)

1 bài giảng ∙ (36phút)

Phần 10. Tối ưu hóa siêu tham số và thực hành hoàn thiện (Thực hành dự đoán chất lượng nước)

2 bài giảng ∙ (37phút)

Ngày đăng:

Cập nhật lần cuối:

Đánh giá

Chưa có đủ đánh giá.

Hãy trở thành tác giả của một đánh giá giúp mọi người!

Khóa học khác của yc

Hãy khám phá các khóa học khác của giảng viên!

우리 엄마도 할 수 있는 머신러닝 (심화이론)

인공지능뿌시기

AI를 배우는 첫걸음 : 인공지능 입문자를 위한 최적의 커리큘럼을 만들었다! 딥러닝을 쉽고 빠르게 정복하기 위해 심화내용으로 짧은시간에 머신러닝과 딥러닝을 연결시키는 단계 !

초급

머신러닝, 딥러닝, 인공지능(AI)

우리 엄마도 할 수 있는 머신러닝 (심화이론)

인공지능뿌시기

우리 엄마도 할 수 있는 머신러닝 (심화이론)

초급

•

머신러닝

딥러닝

인공지능(AI)

확률과 통계

3시간 10분

•

Update 2025.07.14

이런 걸 배울 수 있어요

⭐ 분류 / 회귀 테스크의 확률기반 사고방식

⭐ Support Vector Machine(SVM) 작동방식

⭐ Logistic Regression 작동방식과 중요성

⭐ 정보량, 엔트로피, 크로스 엔트로피, KL Divergence 개념

우리 엄마도 할 수 있는 머신러닝 (기초이론)

인공지능뿌시기

AI를 배우는 첫걸음 : 인공지능 입문자를 위한 최적의 커리큘럼을 만들었다! 그 중 첫번째, 인공지능과 친해지는 기초이론 단계! 다양한 예시로 머신러닝 기초개념 습득 및 이론 복습을 위한 쪽지시험까지!

입문

머신러닝, Scikit-Learn

우리 엄마도 할 수 있는 머신러닝 (기초이론)

인공지능뿌시기

우리 엄마도 할 수 있는 머신러닝 (기초이론)

입문

•

머신러닝

Scikit-Learn

4시간 11분

이런 걸 배울 수 있어요

⭐ 머신러닝이란 무엇인가?

⭐ 분류, 회귀, 군집화, 추천시스템 모델 작동 원리 및 평가지표 이해

⭐ 다양한 예시와 애니메이션 기반으로 기초이론 완전 정복!

⭐ 쪽지 시험으로 배운내용 확인!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!

우리 엄마도 할 수 있는 머신러닝 (기초이론)

인공지능뿌시기

입문

머신러닝, Scikit-Learn

우리 엄마도 할 수 있는 머신러닝 (기초이론)

인공지능뿌시기

우리 엄마도 할 수 있는 머신러닝 (기초이론)

입문

•

머신러닝

Scikit-Learn

4시간 11분

이런 걸 배울 수 있어요

⭐ 머신러닝이란 무엇인가?

⭐ 분류, 회귀, 군집화, 추천시스템 모델 작동 원리 및 평가지표 이해

⭐ 다양한 예시와 애니메이션 기반으로 기초이론 완전 정복!

⭐ 쪽지 시험으로 배운내용 확인!

머신러닝 처음 시작하기 (기초 원리 + 초급 실습)

유용한IT학습

머신러닝을 처음 접하는 사람들을 대상으로 기초적인 머신러닝 이론을 간략하게 다룬 머신러닝 기초 강의입니다.

초급

머신러닝

머신러닝 처음 시작하기 (기초 원리 + 초급 실습)

유용한IT학습

머신러닝 처음 시작하기 (기초 원리 + 초급 실습)

머신러닝을 처음 접하는 사람들을 대상으로 기초적인 머신러닝 이론을 간략하게 다룬 머신러닝 기초 강의입니다.

초급

•

머신러닝

4시간 18분

이런 걸 배울 수 있어요

머신러닝의 기초 개념 및 관련 용어

머신러닝에서 주로 쓰이는 다양한 알고리즘

캐글(Kaggle) 데이터셋을 기반으로 한 머신러닝 구현

[텐서플로2] 파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트

노마드크리에이터

보스톤 마라톤 빅 데이터를 기반으로 파이썬과 텐서플로2를 이용하여 다양하고 유용한 머신러닝 회귀(Regression)와 분류(Classification) 프로젝트를 이론과 함께 배우는 머신러닝 종합 프로젝트 과정입니다.

중급이상

Tensorflow, 머신러닝, Keras

[텐서플로2] 파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트

노마드크리에이터

[텐서플로2] 파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트

중급이상

•

Tensorflow

머신러닝

Keras

컴퓨터 비전

8시간 51분

이런 걸 배울 수 있어요

머신러닝 모델과 프로그램 제작

텐서플로를 이용한 문제해결

머신러닝 분류(Classification) 결과값 예측

머신러닝 회귀(Regression) 결과값 예측

스파크 머신러닝 완벽 가이드 - Part 1

권 철민

스파크(Spark) 머신러닝의 핵심 Framework에 대한 이해, 난이도 높은 실전 문제를 통한 SQL 기반의 데이터 가공, 업무 도메인 분석을 통한 데이터 분석과 최적화된 머신러닝 모델 구현 능력까지, 대용량 데이터 기반에서 머신러닝 전문가로 인정 받고 싶다면 이 강의와 함께 하십시요.

중급이상

Apache Spark, 머신러닝, 빅데이터

스파크 머신러닝 완벽 가이드 - Part 1

권 철민

스파크 머신러닝 완벽 가이드 - Part 1

중급이상

•

Apache Spark

머신러닝

빅데이터

데이터 엔지니어링

24시간 27분

이런 걸 배울 수 있어요

스파크에서 머신러닝 모델 구현하기

스파크의 데이터 처리 기반인 DataFrame에 대한 상세한 이해

스파크 머신러닝 Framework을 구성하는 다양한 기술 요소 이해

스파크의 머신러닝 파이프 라인 익히기

파이썬으로 시작하는 머신러닝+딥러닝(sklearn을 이용한 머신러닝부터 TensorFlow, Keras를 이용한 딥러닝 개발까지)

아이리포

머신러닝&딥러닝의 기초부터 확실하게! 파이썬으로 분류/회귀/군집/인공신경망 생성과 활용까지

초급

Python, sklearn, 머신러닝

파이썬으로 시작하는 머신러닝+딥러닝(sklearn을 이용한 머신러닝부터 TensorFlow, Keras를 이용한 딥러닝 개발까지)

아이리포

파이썬으로 시작하는 머신러닝+딥러닝(sklearn을 이용한 머신러닝부터 TensorFlow, Keras를 이용한 딥러닝 개발까지)

머신러닝&딥러닝의 기초부터 확실하게! 파이썬으로 분류/회귀/군집/인공신경망 생성과 활용까지

초급

•

Python

sklearn

머신러닝

딥러닝

Keras

8시간 8분

이런 걸 배울 수 있어요

머신러닝과 딥러닝의 개념, 머신러닝 주요 프로세스

머신러닝 모델의 성능을 높이기 위한 방법들: 전처리, 교차검증, 차원축소, 이른 학습 종료

실습을 바탕으로 배우는 회귀/분류/군집 등 다양한 머신러닝 모델

인공신경망의 특징과 구성, 학습 절차

유니티 머신러닝 에이전트 완전정복 (기초편)

민규식

이 강의를 통해 수강생은 다양한 강화학습의 이론을 학습하고 이를 직접 구현해 볼 뿐만 아니라 유니티 머신러닝 에이전트를 이용하여 구현한 강화학습 알고리즘을 테스트해볼 강화학습 환경까지 직접 제작해볼 수 있습니다.

초급

강화학습, 머신러닝, Unity

유니티 머신러닝 에이전트 완전정복 (기초편)

민규식

유니티 머신러닝 에이전트 완전정복 (기초편)

초급

•

강화학습

머신러닝

Unity

Unity ML-Agents

7시간 18분

이런 걸 배울 수 있어요

유니티 개발

유니티 머신러닝 에이전트

강화학습 환경 제작

강화학습 이론

Mẹ tôi cũng có thể làm được Machine Learning (Thực hành cơ bản)

Dịch cái này sang tiếng Việt

📢 Bài giảng này dành cho những người không chuyên ngành.

Trí tuệ nhân tạo được giải quyết rất dễ dàng!

Tôi đã loại trừ các khái niệm thống kê và toán học càng nhiều càng tốt!

Bài giảng lý thuyết, đừng sợ!

Học máy mà ngay cả mẹ chúng ta cũng có thể làm được (Thực hành cơ bản)

Trí tuệ nhân tạo (AI)

Học máy

Học Scikit

Giới thiệu khóa học

Đề cương bài giảng

Đào tạo được tiến hành như thế nào

Bài giảng thực hành BƯỚC

1. Tham số mô hình VS siêu tham số (lý thuyết)

Đã đến lúc hiểu chính xác siêu tham số là gì để thực hành

2. Siêu tham số cây quyết định (Lý thuyết)

Đã đến lúc hiểu chính xác siêu tham số của Decision Tree là gì

3. Siêu tham số tổng hợp (Lý thuyết)

Đã đến lúc hiểu chính xác các siêu tham số Voting, Bagging, Boosting

4. Thực hành phân loại (Practice)

Đã đến lúc tìm hiểu các mô hình phân loại và điều chỉnh siêu tham số bằng các mô hình bạn đã học.

4. Siêu tham số mô hình hồi quy tuyến tính (Lý thuyết)

Tại sao không có siêu tham số cho các siêu tham số LinearRegression, Ridge, Lasso, ElasticNet, PolynomialFeatures

Đã đến lúc hiểu chính xác về

5. Thực hành hồi quy (Practice)

Đã đến lúc thực hành trực tiếp việc học mô hình và điều chỉnh siêu tham số bằng cách sử dụng các mô hình hồi quy và mô hình CART đã học.

6. Phân cụm siêu tham số (lý thuyết)

Đã đến lúc hiểu chính xác về K-means, Mean-shift, GMM, siêu tham số DBSCAN

7. Thực hành phân cụm (Practice)

Đã đến lúc tìm hiểu về mô hình học, điều chỉnh siêu tham số và phân tích kết quả bằng cách sử dụng các mô hình cụm mà chúng ta đã học.

8. Thực hành hệ thống khuyến nghị (Practice)

Đến lúc kiểm tra hoạt động của thuật toán hệ thống khuyến nghị đã học trong bài giảng lý thuyết thông qua mã lệnh.

9. Kỹ thuật tối ưu siêu tham số + thực hành cuối kỳ (lý thuyết + thực hành)

Đã đến lúc xem lại sơ qua các kỹ thuật tối ưu hóa và thực hành để tóm tắt mọi thứ.

Nội dung học tập từng bước

Tính năng bài giảng

Xem trước bài giảng

Khuyến nghị cho những người này!

Xin chàoĐây là .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}

Chương trình giảng dạy

Đánh giá

Khóa học khác của yc

Khóa học tương tự

Khuyến nghị cho
những người này!

Xin chào
Đây là