Classificadores lineares em Python
6 capítulos · 46 lições
≈ 12 h
Certificado de frequência
Ajustável pelo seu empregador, mediante orçamento e fatura
Crie a sua conta gratuita
11 lições estão abertas, sem cartão de crédito.
Criar minha conta
Já tenho uma conta
Os seus dados são armazenados na União Europeia. Confidencialidade
Descrição
Como decorre o curso
Cada lição é um texto estruturado, ilustrado com exemplos e esquemas, seguido de um quiz corrigido automaticamente. Você avança no seu próprio ritmo, e as suas notas ficam associadas à lição em que as fez.
Esse formato é adequado para você?
Ver a primeira lição11 lições abertas, sem cartão de crédito.
Programa
6 capítulos, 46 lições
- 2. Recapitulação dos fundamentos do scikit-learnaberto
- 2. Descobrir a classificação KNNaberto
- 2. Comparar o desempenho dos modelosaberto
- 2. Compreender o sobreajusteaberto
- 2. Aplicar a regressão logística e as SVMaberto
- 2. Utilizar LogisticRegression e SVCaberto
- 2. Realizar uma análise de sentimento em críticas de filmesaberto
- 2. Compreender os classificadores linearesaberto
- 2. Identificar as fronteiras de decisão linearesaberto
- 2. Visualizar as fronteiras de decisãoaberto
- 3. Estudar os coeficientes dos classificadores linearesassinantes
- 3. Compreender como os modelos produzem as suas previsõesassinantes
- 3. Modificar os coeficientes de um modeloassinantes
- 3. Descobrir o conceito de função de perdaassinantes
- 3. Compreender a função de perda 0-1assinantes
- 3. Aprender a minimizar uma função de perdaassinantes
- 3. Visualizar as diferentes funções de perdaassinantes
- 3. Explorar as funções de perda em classificaçãoassinantes
- 3. Comparar as funções de perda logística e hingeassinantes
- 3. Implementar um modelo de regressão logísticaassinantes
- 4. Compreender a regularização em regressão logísticaassinantes
- 4. Implementar uma regressão logística regularizadaassinantes
- 4. Usar a regressão logística para selecionar variáveisassinantes
- 4. Identificar as palavras mais positivas e as mais negativasassinantes
- 4. Compreender as probabilidades na regressão logísticaassinantes
- 4. Extrair as probabilidades de pertença às classesassinantes
- 4. Estudar o efeito da regularização nas probabilidadesassinantes
- 4. Visualizar exemplos de classificação simples e complexosassinantes
- 4. Descobrir a regressão logística multiclasseassinantes
- 4. Determinar o número de coeficientesassinantes
- 4. Ajustar um modelo de regressão logística multiclasseassinantes
- 4. Visualizar os resultados da regressão logística multiclasseassinantes
- 4. Aplicar a estratégia SVM um-contra-todosassinantes
- 5. Compreender os vetores de suporteassinantes
- 5. Identificar os vetores de suporteassinantes
- 5. Estudar o efeito da remoção de certas observaçõesassinantes
- 5. Descobrir os SVM com kernelassinantes
- 5. Começar a usar o GridSearchCVassinantes
- 5. Otimizar simultaneamente os parâmetros gamma e C com o GridSearchCVassinantes
- 5. Comparar a regressão logística, os SVM e outros métodosassinantes
- 5. Identificar as vantagens dos SVMassinantes
- 5. Identificar as vantagens da regressão logísticaassinantes
- 5. Utilizar o modelo SGDClassifierassinantes
- 5. Para concluirassinantes
O que está incluído
Tudo o que acompanha as lições
46 liçõesIlustradas com exemplos e esquemas.
Quiz em cada liçãoCorreções imediatas; só a sua melhor pontuação conta.
As suas notasTomadas nas lições, encontradas por secção.
Perguntas do cursoColoque-as na lição: a equipa e os formandos respondem.
Acompanhamento do progressoPor secção, com os seus resultados nos quizzes.
Certificado verificávelNominativo, com um código único.
Ritmo
Quanto tempo, de acordo com a sua disponibilidade
Posso dedicar a isso, por semana:
Certificado
O que você obtém no final
CERTIFICADO DE CONCLUSÃOClassificadores lineares em Pythonemitido em seu nome
Código únicoVerificável online
Quando o curso termina, o certificado é emitido em seu nome. O código permite a um recrutador verificá-lo em poucos segundos.
Não é um diploma nem uma certificação profissional; é a prova verificável de que você frequentou e concluiu este curso.
Autor
Quem escreve este curso
EQ
Equipe DATAGOZ
Formador · DATAGOZ
Uma pedagogia clara e aplicada, com exemplos concretos para aprender de forma eficaz.
Perguntas
Antes de começar
Nenhum pré-requisito: o curso parte das bases.
Enquanto a sua assinatura estiver ativa. Se a cancelar, o seu progresso e os seus certificados continuam guardados.
Um certificado de frequência DATAGOZ, nominal e verificável online através do seu código. Não é um diploma.
Acessibilidade. Está em situação de deficiência? Escreva para contact@datagoz.com: estudamos consigo as adaptações possíveis.
Comece este curso hoje
11 lições abertas, sem cartão bancário. Verá o nível e o tom antes de decidir.