使用python scikit进行机器学习的快速介绍——学习用于建模和预测的线性回归

你会学到什么
Python 3
探索性数据分析和可视化
机器学习
构建预测模型
线性回归
评估模型
在Jupyter实验室创建Jupyter笔记本
Jupypter笔记本中常见的python操作
使用scikit-learn进行机器学习
更多…

MP4 |视频:h264,1280×720 |音频:AAC,44.1 KHz,2声道
语言:英语+中英文字幕(云桥CG资源站 机译) |时长:15节课(2小时35分钟)|大小结合:1.08G 含课程文件


要求
电脑上
不需要编程经验。你会学到你需要知道的一切。

描述
如果你正在寻找一个快速入门python机器学习的方法,那么这个课程就是为你准备的。它旨在通过使用python和JupyterLab进行动手实验,为初学者提供快速实用的机器学习介绍。我知道有些初学者只是想知道什么是机器学习,不需要太多干巴巴的理论,也不需要浪费时间在数据清理上。因此,在本课程中,我们将跳过数据清理。所有数据集都经过高度简化和清理,因此您可以直接跳到机器学习。
机器学习(ML)是一种人工智能(AI),它允许软件应用程序在预测结果方面变得更加准确,而无需显式编程。机器学习算法使用历史数据作为输入来预测新的输出值。

Scikit-learn(也称为sklearn)是Python编程语言的免费软件机器学习库。它具有各种分类、回归和聚类算法。

Python是一种高级、解释型、通用编程语言。它的设计理念强调代码的可读性,使用缩进来表示代码块。它也是机器学习和人工智能的首选语言。

JupyterLab是最新的基于web的交互式笔记本、代码和数据开发环境。其灵活的界面允许用户配置和安排数据科学、科学计算、计算新闻和机器学习中的工作流。在JupyterLab中,我们可以创建多个笔记本。每个机器学习项目的每个笔记本。

在这门入门课程中,我们将通过使用python和scikit来讲述非常简化的机器学习——学会做预测。我们将使用基于网络的界面工作空间(也称为Jupyter Lab)来执行机器学习。我选择Jupyter Lab是因为它的简单,相比之下,Anaconda对于初学者来说可能比较复杂。使用Jupyter Lab,任何python模块的安装都可以使用python的本地包管理器pip轻松完成。与Anaconda相比,它大大简化了用户体验。Introduction to Python Machine Learning using Jupyter Lab

本课程的特点

简单和极简,直截了当

专为绝对初学者设计

使用线性回归快速介绍机器学习

由于所有数据集都已清理,因此省略了数据清理

对于那些想要快速体验机器学习的人来说

所有使用的工具(Jupyter Lab)都是完全免费的

介绍kaggle以供进一步研究

学习目标

本课程结束后,您将

很好地理解了机器学习是怎么一回事

配备Jupyter实验室和Jupyter笔记本电脑的基本技能,以及

准备好接受机器学习中更高级的课题了吗

这门课程是给谁的
任何想要快速体验动手机器学习的人
机器学习的完全初学者
任何想学习如何使用Jupyter Lab而不是Anaconda创建Jupyter笔记本的人

云桥CG资源站 为三维动画制作,游戏开发员、影视特效师等CG艺术家提供视频教程素材资源!