Descobrir a aprendizagem supervisionada com scikit-learn
6 capítulos · 51 lições
≈ 13 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, 51 lições
- 2. Machine learning com scikit-learnaberto
- 2. Classificação bináriaaberto
- 2. Etapas-chave do aprendizado supervisionadoaberto
- 2. Enfrentar um problema de classificaçãoaberto
- 2. Ajustar um modelo com os k vizinhos mais próximosaberto
- 2. Fazer previsões com os k vizinhos mais próximosaberto
- 2. Avaliar o desempenho do modeloaberto
- 2. Separar os dados e medir a precisãoaberto
- 2. Identificar o sobreajuste e o subajusteaberto
- 2. Analisar a complexidade do modeloaberto
- 3. Introdução aos princípios da regressãoassinantes
- 3. Criar e selecionar características relevantesassinantes
- 3. Construir um modelo de regressão linearassinantes
- 3. Representar graficamente um modelo de regressão linearassinantes
- 3. Assimilar os princípios fundamentais da regressão linearassinantes
- 3. Ajustar um modelo e realizar previsõesassinantes
- 3. Avaliar o desempenho de um modelo de regressãoassinantes
- 3. Descobrir os princípios da validação cruzadaassinantes
- 3. Avaliar o coeficiente R² por validação cruzadaassinantes
- 3. Interpretar os indicadores de validação cruzadaassinantes
- 3. Melhorar os modelos com regularizaçãoassinantes
- 3. Aplicar a regularização Ridge (Crista)assinantes
- 3. Identificar as características importantes com a regressão Lassoassinantes
- 4. Avaliar a confiabilidade e a qualidade do seu modeloassinantes
- 4. Escolher uma métrica de avaliação adequadaassinantes
- 4. Avaliar um classificador de previsão da diabetesassinantes
- 4. Descobrir a regressão logística e a curva ROCassinantes
- 4. Construir um modelo de regressão logísticaassinantes
- 4. Traçar e interpretar a curva ROCassinantes
- 4. Medir o desempenho com a área sob a curva ROC (ROC AUC)assinantes
- 4. Compreender o ajuste dos hiperparâmetrosassinantes
- 4. Otimizar os hiperparâmetros com GridSearchCVassinantes
- 4. Explorar os hiperparâmetros com RandomizedSearchCVassinantes
- 5. Preparar e transformar os dadosassinantes
- 5. Codificar as variáveis categóricasassinantes
- 5. Aplicar a regressão aos dados categóricosassinantes
- 5. Gerir os valores em faltaassinantes
- 5. Tratar os dados incompletos por remoçãoassinantes
- 5. Construir um pipeline para prever o género musical (1.ª parte)assinantes
- 5. Concluir o pipeline de previsão do género musical (2.ª parte)assinantes
- 5. Padronizar os dados por centragem e escalonamentoassinantes
- 5. Aplicar a padronização a um modelo de regressãoassinantes
- 5. Padronizar os dados para a classificaçãoassinantes
- 5. Comparar o desempenho de vários modelosassinantes
- 5. Visualizar os resultados dos modelos de regressãoassinantes
- 5. Realizar previsões com os dados de testeassinantes
- 5. Comparar graficamente o desempenho dos modelos de classificaçãoassinantes
- 5. Criar um pipeline para prever a popularidade das músicasassinantes
- 5. Balanço dos conhecimentos do cursoassinantes
O que está incluído
Tudo o que acompanha as lições
51 liçõesIlustradas com exemplos e diagramas.
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 CONCLUSÃODescobrir a aprendizagem supervisionada com scikit-learnemitido 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.