用Python进行机器学习成为2024年的数据科学家

实用数据科学技能、Python、真实世界机器学习、预测建模、基于项目的学习，欢迎参加“成为2024年的数据科学家:使用Python进行机器学习”，这是一门综合性的初学者友好课程，旨在快速跟踪您进入数据科学世界的旅程。这门课不仅仅是学习理论；它是关于体验真实世界中的数据科学，由类似于高级数据科学家的专业知识指导。本课程的每一节都是精心制作的，以反映该领域专业人员面临的日常挑战和情况。你会发现自己正在深入机器学习的核心方面，探索Python在数据分析中的实际应用，并揭开预测建模的奥秘。我们的方法是独特的——它将详细的视频教程与指导项目工作相结合，确保您学到的每个概念都通过实际应用得到强化。随着课程的进展，您将在Python编程方面打下坚实的基础，这对任何有抱负的数据科学家来说都是必不可少的。我们深入研究数据操作和可视化，教你如何将原始数据转化为有见地的、可操作的信息。该课程还涵盖了统计分析、机器学习算法和模型评估等关键主题，为您提供了全面的技能组合。Be A Data Scientist In 2024: Machine Learning With Python

这门课程的与众不同之处在于它强调现实世界的应用。您将参与模拟实际数据科学任务的动手项目工作。这种基于项目的学习方法不仅能增强您对主题的理解，还能让您为数据科学职业的现实做好准备。在这10个小时的旅程结束时，您不仅会学到数据科学和机器学习的基础知识，还会有信心在现实世界中应用这些技能。本课程是您成为一名精通数据的科学家的第一步，具备在当今技术驱动的世界中备受追捧的知识和技能。现在就报名参加“成为一名数据科学家:10小时内Python上的机器学习”并开始一次学习冒险，这将使你在2024年及以后成为一名成功的数据科学家！

MP4 |视频:h264，1920×1080 |音频:AAC，44.1 KHz
语言:英语|大小:3.71 GB |时长:10小时7分钟

你会学到什么
定义数据科学家的角色
在python上建模和解释一个完整的机器学习项目
能够回答最常见的数据科学家面试问题
解释机器学习算法的逻辑和所有基础知识

要求
不需要机器学习经验
高中水平代数
对一些编程术语有非常基本的了解(什么是for循环’，什么是‘if条件’等等。)

课程适用于对机器学习感兴趣的人，只有不到10个小时来学习机器学习的人


课程目录：
第一部分:导言

第一讲简介

第2讲课程结构

第二节:什么是数据科学、机器学习和数据科学项目流程？

第三讲我们开始吧！

第4讲机器学习。让我们制作第一个没有代码的机器学习模型！

第5讲数据科学项目流程

第3部分:环境设置

第6讲Anaconda安装- Windows

第7讲蟒蛇装置- MacOS

第4部分:工具包简介:统计学和python pandas、numpy、matplotlib和seaborn Recap

第8讲基础统计学简介

第九讲熊猫简介

第10讲numpy简介

第11讲matplotlib和seaborn简介

第5节:使用Python进行数据预处理

第12讲第一眼看我们的数据集

第13讲将数据读入Python

第14讲检测数据泄漏并消除泄漏

第15讲空处理

第16讲编码

第17讲地理数据的特征工程

第6部分:机器学习分类算法——它们背后的所有逻辑

第18讲逻辑回归逻辑

第19讲逻辑回归关键要点

第20讲kNN分类器逻辑和关键要点

第21讲决策树分类器逻辑

第22讲逻辑回归、kNN和决策树算法总结

第23讲机器学习有一些便宜的午餐

第24讲随机森林分类器逻辑- Bagging算法

第25讲LightGBM逻辑增强算法

第26讲XGBoost逻辑

第7节:一般建模概念

第27讲列车测试分离和超配-欠配

第28讲更多关于过拟合-欠拟合的概念

第8部分:分类模型评估指标

第29讲分类模型评估指标

第9节:逻辑回归分类器和kNN分类器Python实践

第30讲数据重述、分离和训练测试分割

第31讲异常值消除

第32讲看看考虑异常值的测试集

第33讲特征缩放

第34讲剔除异常值后更新训练标签

第35讲Python中的逻辑回归

第36讲Python中的kNN分类器

第10节:决策树分类器和随机森林分类器Python实践

第37讲Python中的决策树分类器

第38讲Python中的随机森林分类器

第11节:LightGBM分类器和XGBoost分类器Python实践

第39讲Python中的LightGBM分类器

第40讲Python中的XGBoost分类器

第12部分:分类模型选择、特征重要性和最终交付

第41讲分类模型选择

第42讲特征重要性概念

第43讲LightGBM分类器特征重要性

第44讲LightGBM分类器使用顶级功能进行重新训练

第45讲加盟客户的最终预测

第13节:多类分类Python实践

第46讲多类分类解释

第47讲Python中的多类分类

第14节:机器学习回归模型-算法和评估

第48讲回归简介

第49讲线性回归逻辑

第50讲kNN，决策树，随机森林，LGBM和XGBoost回归器的逻辑

第51讲回归模型评估指标

第15节:Python中的回归模型——动手建模

第52讲Python中的线性回归

第53讲Python中的LightGBM回归器

第16节:无监督学习——聚类逻辑和Python实现

第54讲无监督学习逻辑和用例

第55 K讲的是聚类逻辑

第56讲聚类的评估

第57讲在KMeans之前做缩放

第58讲Python中的KMeans聚类

第17节:你成功了！

第59讲恭喜！