강의

멘토링

로드맵

Inflearn brand logo image
Data Science

/

Data Analysis

[TensorFlow 2] Hoàn thành cuộc chinh phục Python machine learning - Dự án dự đoán kỷ lục Marathon

Đây là khóa học dự án máy học toàn diện, nơi bạn học nhiều dự án hồi quy và phân loại máy học hữu ích khác nhau cùng với lý thuyết sử dụng Python và TensorFlow 2 dựa trên dữ liệu lớn của Boston Marathon.

(4.1) 25 đánh giá

380 học viên

  • nomad
Tensorflow
Machine Learning(ML)
Keras
Computer Vision(CV)

Đánh giá từ những học viên đầu tiên

Dịch cái này sang tiếng Việt

  • 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

[TensorFlow 2] Học máy Python hoàn chỉnh - Dự án dự đoán kỷ lục Marathon

Tìm hiểu cả khái niệm và kỹ thuật thực tế của máy học bằng Python và TensorFlow2.
Chúng tôi sẽ trau dồi kỹ năng của bạn bằng cách cùng nhau thực hiện năm dự án khác nhau dựa trên các chủ đề cốt lõi.

Dữ liệu lớn của giải Marathon Boston với Python và TensorFlow

Cùng với các khái niệm cơ bản về học máy, các chủ đề cốt lõi về hồi quy và phân loại cũng được đề cập.

Phát triển các khái niệm và kỹ năng ứng dụng thực tế trong khi cùng nhau học năm dự án.

Đây là một khóa học về dự án học máy thú vị và hữu ích .

Dự án 1. Cơ sở của hồi quy tuyến tính
: Dự đoán thời gian chạy marathon còn lại

Tìm hiểu khái niệm hồi quy tuyến tính, nền tảng của máy học.

Tìm hiểu những kiến thức cơ bản về hồi quy tuyến tính và sử dụng Python TensorFlow để phân tích và dự đoán dữ liệu Giải Marathon Boston bằng cách sử dụng máy học.

Sử dụng dữ liệu lớn từ khoảng 80.000 sự kiện Marathon Boston, chúng tôi chọn một vận động viên mong muốn và máy học sẽ ghi lại thành tích của họ lên đến 30km. Sau đó, chúng tôi sử dụng hồi quy tuyến tính để dự đoán thời gian còn lại của 35, 40 và 42,195km và so sánh chúng với dữ liệu thực tế. Chúng tôi học các khái niệm và kỹ thuật để giải quyết các bài toán hồi quy tuyến tính bằng TensorFlow.

Dự án 2. Hồi quy đa biến
: Dự đoán kỷ lục hoàn thành cuộc chạy marathon

Hiểu các bài toán hồi quy đa biến và tìm hiểu cách giải chúng.

Tìm hiểu những kiến thức cơ bản và giải pháp cho các bài toán hồi quy đa biến, sau đó dự đoán thời gian hoàn thành giải Marathon Boston của bạn và bạn bè bằng cách nhập dữ liệu về giới tính, độ tuổi và tốc độ.

Hãy xem kết quả của máy học, sử dụng các kỹ thuật hồi quy đa biến để dự đoán thời gian hoàn thành dựa trên giới tính, độ tuổi và tốc độ, sau đó được đào tạo trên khoảng 80.000 tập dữ liệu lớn của Giải Marathon Boston. Ngay cả khi không chạy marathon, máy học vẫn có thể dự đoán thời gian dựa trên dữ liệu đã học và phân tích.

Dự án 3. Hồi quy đa biến, đầu ra
: Dự đoán kỷ lục chặng marathon

Hiểu các vấn đề hồi quy đa biến, đầu ra và tìm hiểu cách giải quyết chúng.

Trong bài học này, bạn sẽ tìm hiểu những kiến thức cơ bản và giải pháp của các bài toán hồi quy, sử dụng nhiều biến làm đầu vào và tạo ra nhiều kết quả đầu ra. Bằng cách nhập dữ liệu giới tính, độ tuổi và tốc độ, bạn sẽ dự đoán không chỉ thời gian hoàn thành cuộc đua Boston Marathon mà còn cả thời gian dự đoán cho các chặng 10, 20 và 30 km.

Sử dụng kỹ thuật Đầu vào đa biến và Hồi quy đa đầu ra, máy học tiếp nhận các giá trị về giới tính, độ tuổi và tốc độ và học từ khoảng 80.000 dữ liệu lớn của Giải chạy Marathon Boston để dự đoán không chỉ kỷ lục hoàn thành mà còn cả kỷ lục cho mỗi chặng 10, 20 và 30 km.

Dự án 4. Phân loại logistic nhị phân
: Kiểm tra xem bạn có đủ điều kiện tham gia cuộc chạy marathon không

Hiểu khái niệm Phân loại nhị phân, cơ sở của Hồi quy logistic/Phân loại và tìm hiểu cách giải quyết.

Trước khi đăng ký chạy marathon, hãy nhập thông tin về giới tính, độ tuổi và tốc độ của bạn để xem bạn có đủ điều kiện hay không. Dựa trên thành tích Boston Marathon trước đây của bạn, chúng tôi sẽ dự đoán bạn đủ điều kiện.

Sử dụng kỹ thuật phân loại nhị phân, một phần cơ bản của hồi quy logistic, chúng ta sẽ dự đoán liệu một người tham gia có đủ điều kiện tham gia cuộc đua marathon hay không. Chúng ta cũng sẽ tìm hiểu cách thêm thông tin đủ điều kiện vào bộ dữ liệu Boston Marathon hiện có với khoảng 80.000 mục nhập, sử dụng các kỹ thuật Python Pandas nâng cao.

Dự án 5. Phân loại logistic đa thức
: Dự đoán kỷ lục marathon

Hiểu khái niệm Phân loại đa thức trong Hồi quy logistic/Phân loại và tìm hiểu cách giải quyết.

Trước khi tham gia chạy marathon, hãy nhập thông tin giới tính, độ tuổi và tốc độ của bạn để kiểm tra hạng thời gian dự đoán. Dựa trên thành tích của bạn tại Boston Marathon trước đó, chúng tôi sẽ dự đoán hạng thời gian của bạn.

Sử dụng kỹ thuật Phân loại đa thức của Hồi quy logistic, chúng tôi chia hồ sơ hoàn thành cuộc chạy marathon của bạn thành ba mức: 'Xuất sắc (>25%)', 'Trung bình (25~75%)' và 'Kém (<75%)', rồi dự đoán mức điểm mong đợi của bạn.

Bài giảng đặc biệt

' Độ chính xác của mô hình trên 99%  Chúng tôi đã thêm một bài giảng đặc biệt có tiêu đề 'Nâng cao tiêu chuẩn'. Bài giảng này có tiêu đề ' Thực hành Thị giác Máy tính Học sâu IoT trên Raspberry Pi '.  Dự án bắt đầu với câu hỏi của sinh viên trong mô hình chữ viết tay MNIST: "Tại sao mô hình chữ viết tay MNIST không thể nói '7' là '7'?" Mặc dù độ chính xác của mô hình là một yếu tố, cũng như cách xử lý ngoại lệ của chương trình và dữ liệu MNIST thô, nhưng mô hình Mạng Nueral hiện tại quá đơn giản cho mục đích đào tạo, vì vậy tôi đã cấu hình lại mô hình để tăng độ chính xác lên 99,38%.

 

Hãy đón chờ các bài giảng tiếp theo về học sâu, IoT và các chủ đề khác sử dụng máy học.
Tài liệu và nguồn chương trình được sử dụng trong bài giảng có thể được tìm thấy trên trang web Creapple (www.creaapple.com), một nền tảng học tập kiến thức do tôi điều hành.

Tham gia một khóa học về kiến thức cơ bản về Python và phân tích, trực quan hóa dữ liệu sẽ giúp ích rất nhiều cho việc thực hiện dự án của bạn.

Khóa học cốt lõi Python 100 phút
Cốt lõi và nền tảng của Python
Một khi bạn thành thạo các kỹ năng này, nó sẽ giúp ích rất nhiều cho các khóa học khác.
Dự án thực hành phân tích trực quan hóa dữ liệu Python

Học máy sử dụng Pandas, Matplotlib và Seaborn của Python,
Nó 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.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • 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

  • Những người muốn sử dụng TensorFlow trực tiếp

  • 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 đang chuẩn bị cho các dự án học máy và học sâu

Cần biết trước khi bắt đầu?

  • 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

Xin chào
Đây là

22,070

Học viên

458

Đánh giá

556

Trả lời

4.4

Xếp hạng

25

Các khóa học

"노마드크리에이터: 당신의 꿈, 우리의 여정"

대한민국과 NVIDIA가 인정한 딥테크, 싱가포르가 선택한 핀테크 스타트업, 글로벌 무대에서 당신의 가능성을 실현합니다.

노마드크리에이터는 개인의 성장을 넘어, 스타트업으로 도약하며 전 세계를 무대로 전문적인 IT 강의를 제공하고 있습니다.
2019년, 싱가포르 정부의 Entrepass Innovator 프로그램을 통해 시작된 우리의 여정은 곧 혁신적인 스타트업의 이야기로 확장되었습니다.
2020년에는 대한민국에서 인공지능 핀테크 솔루션을 개발하며 딥테크 분야의 선두주자로 자리매김했고, NVIDIA 협업 프로그램 최우수 프로젝트ASUS Global Startup Challenge Award를 포함한 다양한 글로벌 인정과 성과를 이뤘습니다.
2023년에는 NVIDIA의 지원으로 미국에 회사를 설립하며 글로벌 시장을 향한 도약을 시작했습니다.

image.png

경험을 넘어, 비전을 공유합니다.

스타트업 창업 이전, LG CNS와 티머니 등에서 25년간 System Engineer, Project Manager, IT Consultant로서 글로벌 프로젝트를 이끌며 실전 경험과 전문성을 쌓았습니다.
PMP, SAP BW, SCJP, MCSE+DBA, OCP-DBA와 같은 전문 자격을 기반으로, 프로그램 개발, 프로젝트 관리, IT 솔루션 설계 등 다양한 분야에서 성공적인 도전을 이어왔습니다.

이제, 노마드크리에이터는 이러한 경험과 노하우를 집약하여 누구나 쉽고 재미있게 배울 수 있는 교육 콘텐츠를 제공합니다. 실무 중심의 강의부터 최신 기술 트렌드를 반영한 전문 과정까지, 개인의 성장을 위한 맞춤형 학습을 제안합니다.

우리의 미션: "꿈을 현실로, 도전을 기회로"

기술과 교육의 융합으로 더 많은 사람들이 자신만의 가능성을 실현하도록 돕습니다.

노마드크리에이터와 함께라면, 당신의 꿈은 더 이상 멀리 있지 않습니다.

지금 이 순간에도 누군가는 새로운 것을 배우고, 더 나은 자신이 되기 위해 노력하고 있습니다.

하지만 정보의 홍수 속에서 필요한 지식을 찾는 데 소중한 시간을 잃는 일이 얼마나 많습니까?

노마드크리에이터는 이 문제를 해결하고자 합니다.

우리는 지식을 창의적으로 엮어내어, 시간을 아끼고, 가치를 극대화하는 경험을 제공합니다. 우리의 목표는 단순한 정보 전달을 넘어, 지식을 작품처럼 아름답게 전달하는 것입니다.

노마드크리에이터와 함께라면, 당신의 배움은 더 쉽고, 빠르며, 가치 있는 결과를 만들어낼 것입니다.

"배움의 여정에 가치를 더하다, 노마드크리에이터."

이것이 우리가 꿈꾸는 미래입니다.

Chương trình giảng dạy

Tất cả

42 bài giảng ∙ (8giờ 51phút)

Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

25 đánh giá

4.1

25 đánh giá

  • pong8503011703님의 프로필 이미지
    pong8503011703

    Đánh giá 5

    Đánh giá trung bình 4.4

    3

    24% đã tham gia

    選手講座を聞かないと理解をするのがとても力強いです。 Keras講座を申請し、以前講義を選ばなければ理解する部分が多く、機械学習完全征服講座を申請しましたが.... また、以前講義を申請しなければならないことが発生して勉強の効率性が非常に低下しました。 選手講義の受講がオプションではなく義務にならなければ正確にアウトプットを伴う講座になりそうです

    • nomad
      Giảng viên

      こんにちは?良いコメントありがとうございます。おっしゃった部分は講師で多くの悩みになる部分です。以前にAll in One式の講義を作った時、読者の方々のレベルが異なり、本人が知っている内容が多いという意見もあり、講義をモジュール化すれば希望する部分だけ受講し、受講生の費用を減らさないかと講義をモジュール化しています。そのため、今後のディープラーニングやTensorflow.js、Tensorflow IOTなどを別途講義でモジュール化する計画です。しかし、こうしてみると、読者様がおっしゃったところで、複数の科目を受講しなければならない不便も悩みます。そこで今、私のクリアフル(www.creapple.com)に定期的に読んで、すべての講義を利用できる機能を作っています。今月中に改編オープン予定ですが、お役に立てば幸いです。ありがとうございます。

    • ノーマドクリエイター講師 回答ありがとうございます。 おっしゃったとおり、定期的な毒の形であれば、より良いアウトプットが伴うようです。 そして講師様講座の個別内容は本当に役に立ち、モチベーションもアップになります。 ただ、現在ではアバンジャースの前編を見ずに裏側を見なければならないそんな気持ちです。

  • bmkingsong7020님의 프로필 이미지
    bmkingsong7020

    Đánh giá 3

    Đánh giá trung bình 4.3

    5

    62% đã tham gia

    サンプルにしてみてよかったです。

    • twotone3654382님의 프로필 이미지
      twotone3654382

      Đánh giá 24

      Đánh giá trung bình 4.5

      4

      100% đã tham gia

      とてもお得な講義でした。

      • chrischina7429님의 프로필 이미지
        chrischina7429

        Đánh giá 4

        Đánh giá trung bình 5.0

        5

        50% đã tham gia

        良い説明ありがとうございます。

        • 4europa1007님의 프로필 이미지
          4europa1007

          Đánh giá 14

          Đánh giá trung bình 4.9

          5

          100% đã tham gia

          ありがとうございます。

          717.461 ₫

          Khóa học khác của nomad

          Hãy khám phá các khóa học khác của giảng viên!

          Khóa học tương tự

          Khám phá các khóa học khác trong cùng lĩnh vực!