Uczenie Maszynowe Jest Dla Wszystkich

Ten wprowadzeniowy wykład pomaga zwiększyć świadomość dotycząca wzorców Machine Learning oraz przypadków użycia w rzeczywistym świecie. Po tym kursie będziesz w stanie: * Opisać techniki i zastosowania uczenia nadzorowanego i nienadzorowanego * Zrozumieć techniki takie jak klasyfikacja, klasteryzacja i regresja * Omówić, jak zidentyfikować, które rodzaje technik należy zastosować w przypadku konkretnego zastosowania * Zrozumieć popularne rozwiązania w zakresie Machine Learning, takie jak Amazon Machine Learning, TensorFlow, Azure Machine Learning, Spark mlib, Python i R itp. * Zainstalować i skonfigurować Anacondę. * Wykonać praktyczne ćwiczenie przy użyciu Jupyter Notebooks. Zarys tematu: * Wprowadzenie do kursu * Wzorce uczenia maszynowego - Klasyfikacja - Klasteryzacja - Regresja * Cykl Hype'a Gartnera dla technologii wschodzących * Oferowane rozwiązania Machine Learning w przemyśle * Ćwiczenie 1 - Zainstaluj i skonfiguruj Anacondę. * Biblioteki Pythona - NumPy - Pandas - Scikit Learn * Ćwiczenie 2: Analiza danych przy użyciu Pandas * Algorytmy - Regresja liniowa - Drzewo decyzyjne * Ćwiczenie 3: Wykonaj regresję liniową przy użyciu Scikit-learn * Odniesienia i następne kroki