Machine Learning v Pythone
- Level
- Chapters
- 87
- Category
- Programovanie
- Rating
- 5,0 of 5
- Length
- 10h
- Language
- SK
Online course chapters
Vitajte v kurze! (2)
O tomto kurze
4:03
Nastavovanie prostredia a materiály na stiahnutie
17:55
1. Prvotný (baseline) model (4)
Vitajte v kapitole!
2:56
Základná intuícia prvotného modelu
5:28
Dummy classifier a Dummy regressor
9:16
Baseline model založený na heuristike
3:41
2. Evaluácia modelu (9)
Vitajte v kapitole!
3:58
Tréningové, zadržané a produkčné dáta
13:02
Krížová validácia (cross validation)
6:45
Obšírna intuícia
6:51
Vypočítanie CV metrík
8:37
Iterátory pre krížovú validáciu
11:21
Vyhodnotenie klasifikačného modelu
20:13
Vyhodnotenie regresného modelu
12:48
Je náš model dostatočné dobrý?
18:26
3. Prahové hodnoty a krivky (1)
Prahové hodnoty a krivky
19:11
4. Kompozitný kód (5)
Vitajte v kapitole!
1:39
ColumnTransformer
8:13
Vyberanie atribútov v ColumnTransformeri
3:49
Pipeline
7:35
Komplexnejšie kompozity
11:59
5. Tuning hyperparametrov (5)
Vitajte v kapitole!
9:45
Hyperparameter grid
6:51
Odhadovanie času hľadania
5:07
Full search a Random search
8:20
Kompozity a tuning hyperparametrov
5:34
6. Rozhodovací strom (Decision Tree) (5)
Vitajte v kapitole!
2:32
Úvod do rozhodovacích stromov
10:11
Predikovanie pomocou rozhodovacieho stromu
7:23
Rozhodovacie stromy pre regresné problémy
3:44
Hyperparametre rozhodovacích stromov
11:55
7. Náhodný les (Random Forest) (4)
Vitajte v kapitole!
1:50
Prístup ensemble modelov
15:33
Hyperparametre náhodného lesa
10:23
Dôležitosť atribútov v náhodnom lese
7:41
8. Algoritmy založené na meraní vzdialenosti (5)
Vitajte v kapitole!
2:37
Intuícia modelov založených na vzdialenosti
4:11
kNN (k-Nearest Neighbors) algoritmus
11:54
Rôzne spôsoby merania vzdialenosti
8:08
rNN (Radius-nearest Neighbors) algoritmus
4:23
9. Základy nevybalansovaných dát (1)
Nevybalansované dáta
11:22
10. Lineárna regresia (14)
Úvod do lineárnych modelov
1:15
Uvedenie do problému
6:49
Viacnásobná lineárna regresia
4:37
Chyby lineárnej regresie
3:44
Regresné metriky
7:31
Trénovanie lineárnej regresie
5:30
Odľahlé hodnoty (outliers)
2:56
Interpretácia lineárnej regresie a ako interpretovať prienik
6:25
Interpretácia sklonu jednoduchej lineárnej regresie
3:33
Interpretácia sklonu vo viacnásobnej lineárnej regresii
3:45
Interpretácia koeficientov kategorických premenných
3:47
Interpretácia premenných v modeli so zmiešanými typmi premenných
4:02
Zhrnutie
3:54
11. Regularizované lineárne modely (8)
Polynomiálna regresia
7:28
Kolinearita - polynomiálna regresia
6:23
Kolinearita - dummy pasca
5:08
Pretrénovanie / podtrénovanie
6:30
Regularizácia
4:29
Alpha
6:07
Regularizované modely
5:03
Ktorý regularizovaný model si vybrať
5:35
12. Logistická regresia (9)
Úvod do logistickej regresie
1:54
Klasifikačný problém a príklady použitia
8:03
Binárna logistická regresia
2:43
Binárna logistická regresia - predpovede triedy
5:21
Polynomiálna logistická regresia
5:24
Koeficienty
9:46
Nákladová funkcia
8:55
Viactriedna klasifikácia
6:45
Príprava dát
3:32
13. Zhlukovanie (6)
Úvod do učenia bez učiteľa
6:54
Úvod do zhlukovania
7:17
K-means
5:00
K-means tipy
14:10
DBSCAN
8:19
DBSCAN tipy
5:41
14. Redukcia dimenzionality (4)
Úvod do redukcie dimenzionality
5:06
PCA
8:33
PCA tipy
6:14
Učenie manifoldu
7:26
15. Detekcia anomálií (3)
Úvod do detekcie anomálií
5:37
Faktor lokálnej odľahlej hodnoty (Local Outlier Factor)
4:33
Izolujúci les (Isolation Forest)
4:02
Čo ďalej? (2)
Diskusia a hodnotenie
1:29
Gratulujem! Čo ďalej?
2:03
Course instructor
4,9
Rating
12
Courses
