Applied Machine Learning with Python and Scikit-Learn: Practical Projects

Machine learning กำลังเปลี่ยนแปลงวิธีที่อุตสาหกรรมต่างๆ วิเคราะห์ข้อมูลและทำการทำนาย แต่การเริ่มต้นอาจรู้สึกหนักหน่วงหากไม่มีการประยุกต์ใช้จริง หลักสูตรแบบข้อความนี้ช่วยเชื่อมช่องว่างระหว่างทฤษฎีและโค้ด ช่วยให้คุณสร้างโมเดลการทำนายจริงตั้งแต่เริ่มต้น คุณจะเปลี่ยนผ่านจากการทำความเข้าใจแนวคิดข้อมูลหลักไปสู่การใช้งานไปพไลน์ machine learning อย่างมั่นใจ ด้วยการสำรวจทฤษฎีพื้นฐานควบคู่ไปกับบทเรียนแบบเขียนทีละขั้นตอน คุณจะได้เรียนรู้วิธีทำความสะอาดข้อมูล ฝึกฝนโมเดล และประเมินประสิทธิภาพโดยใช้ไลบรารีมาตรฐานอุตสาหกรรม สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจหลักการพื้นฐานของการเรียนรู้แบบมีผู้สอน การจำแนกประเภท และการถดถอย - เตรียมชุดข้อมูลดิบสำหรับการสร้างโมเดลโดยใช้เทคนิคการประมวลผลล่วงหน้าข้อมูล Python สมัยใหม่และ Scikit-Learn pipelines - ใช้งานอัลกอริทึมคลาสสิก รวมถึง Logistic Regression, Decision Trees, Random Forests และ Support Vector Machines - ประเมินประสิทธิภาพของโมเดลโดยใช้ confusion matrices, precision, recall และ ROC curves - สร้างโปรเจกต์ภาคปฏิบัติ เช่น ตัวตรวจจับสแปม ตัววิเคราะห์ความรู้สึก และระบบตรวจจับการฉ้อโกงผ่านแบบฝึกหัดโค้ดที่มีคำแนะนำ - ประยุกต์ใช้เวิร์กโฟลว์สมัยใหม่ เช่น การจัดเก็บโมเดลสำหรับการปรับใช้ขั้นพื้นฐานและการเพิ่มประสิทธิภาพไปพไลน์เพื่อให้โค้ดของคุณสะอาดและบำรุงรักษาง่าย หลักสูตรเริ่มต้นด้วยคำศัพท์ที่จำเป็นและพื้นฐานการประมวลผลล่วงหน้าข้อมูลก่อนที่จะนำคุณไปสู่โปรเจกต์การเขียนโค้ดแบบมีโครงสร้างและเป็นข้อความ แต่ละโมดูลเสริมสร้างการเรียนรู้ของคุณด้วยคำอธิบายโค้ดโดยละเอียดและแบบฝึกหัดที่เป็นลายลักษณ์อักษรที่ออกแบบมาเพื่อสร้างความมั่นใจในการแก้ปัญหาของคุณ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นที่กระตือรือร้นที่จะเข้าสู่สาขาวิทยาศาสตร์ข้อมูลและ machine learning ไม่จำเป็นต้องมีประสบการณ์ machine learning มาก่อน แม้ว่าความเข้าใจพื้นฐานเกี่ยวกับการเขียนโปรแกรม Python จะช่วยให้คุณได้รับประโยชน์สูงสุดจากเนื้อหานี้ เริ่มอ่านวันนี้เพื่อสร้างชุดเครื่องมือ machine learning ภาคปฏิบัติของคุณ