Turbo AI: Practical Machine Learning with Python

דאטה ומסדי נתונים - Data

Turbo AI: Practical Machine Learning with Python

מספר הקורס 3585

חשכ"ל

למה ללמוד בג'ון ברייס?

למידה חדשנית ודינמית עם כלים מתקדמים בשילוב סימולציות, תרגול וסביבות מעבדה
מגוון הכשרות טכנולוגיות עם תכנים המותאמים להתפתחות הטכנולוגית ולביקוש בתעשיית ההייטק
מובילים את תחום ההכשרות לעולם ההייטק והטכנולוגיה כבר 30 שנה, עם קהילה של עשרות אלפי בוגרים
אתם בוחרים איך ללמוד: פרונטאלית בכיתה, מרחוק ב- Live Class או בלמידה עצמית

מעניין אותי לשמוע עוד

29/10/2024

קורס בוקר

01/12/2024

קורס בוקר

ניתן לפתוח את הקורס בהתאמה אישית ומלאה לצרכי הארגון, במועדים ומערכי לימוד גמישים בשילוב תכנים ייעודים.

משך הקורס

שעות אקדמיות:

מספר מפגשים:

קורס בוקר:

מספר מפגשים:

קורס בוקר:

5

Machine learning is the science of getting computers to act without being explicitly programmed. Autonomic cars, face recognition, effective web search, and analyzing human genome are all examples of Machine Learning Solutions.

In this course, you will learn about the most effective machine learning techniques, and gain practice implementing them and getting them to work for yourself.

Python is one of the most popular programming languages for data analysis and Machine Learning. Using Python, you’ll learn about not only the theoretical underpinnings of learning, but also gain the practical know-how needed to quickly and powerfully apply these techniques to new problems.

Course Contents

Introduction
IDEs and Tools for data analysis
Data types and strings
Control structures
Functions and functional programming
Collections
Object Oriented
Modules and Packages

Data Science
Machine Learning Overview
Data Analysis and ML Packages overview
Demo – Complete Machine Learning task

Overview
Why Learn
Applications
Machine Learning Process
Learning Types:
- Supervised Learning
- Unsupervised Learning
- Semi-Supervised Learning
- Active Learning
- Reinforcement learning
Batch vs Online Learning
Instance-based vs model-based learning
CRISP – DM Methodology

ML tasks
Algorithms
Variables and Features
Training, Validating and Testing Data
Exploratory Analysis
Types of data/features
Panda’s package (python)
- Series and Data frames
- Selecting data
- Grouping and aggregation
Data visualization
Matplotlib and Seaborn packages (python)
- Line and bar graphs
- Scatter graphs
- Histograms and distributions
- Bar plots and Box-plot
- Heat map and correlation
- Other useful graphs for statistics
- Animations and events

Data preparation and cleaning
Dealing with Missing values
Central tendency
Mean/median/mode
Bias
Variance and standard deviation
Standard scores
Feature scaling – standardization and normalization
NumPy package (python)
- Vectors and matrixes
- Multi-dimensional arrays
- Functions
- Slicing and fancy indexing
- Linear algebra
Feature Engineering
Feature selections
Dummy variables
Converting continuous variable to discrete

Overview
Regressions
Classification
Linear Regression
- Least Squares using NumPy
- Using scikit-learn package
- Gradient descent using TensorFlow package
Non-Linear Regression
SciPy package (python)
- Interpolation
- Curve fit
- Optimization
- Statistics
- Image processing
- Integration and more
Logistic Regression
Model evaluation using metrics
SVM
Tuning hyper parameters
Cross validation and grid search
Decision trees and random forests
Naïve Bayes
KNN
Classification
- Multi class
- Multi label
- One vs All
- All vs All
- Error correcting codes

Overview
Clustering
K-Means
Recommender systems

Deep Learning
Neural networks overview
The perceptron
Network structure and hidden layers
Activation functions
Training the network
Optimization
Forward and back propagation
Gradient decent
Convergence
Learning rate
Overfitting and underfitting
Adding bias
Boltzmann Machines
Convolutional Neural Networks
Recurrent Neural Networks
SOM
Auto Encoders

NLP
Anomaly detection
Handling imbalanced data
Ensemble methods

Prerequisites

Basic understanding of Programming concepts

דאטה ומסדי נתונים - Data

Turbo AI: Practical Machine Learning with Python

המועדים הקרובים

משך הקורס

שעות אקדמיות:

מספר מפגשים:

קורס בוקר:

מספר מפגשים:

קורס בוקר:

5

Overview

מטרות הקורס

Who Should Attend

תכנית הלימודים

Data Analysis with Python

Deep Learning with Python

יש לך שאלות? רוצה עוד מידע?

JOHN BRYCE

ללמוד בג'ון ברייס

פתרונות למידה והדרכה

ג'ון ברייס השמה

ג'ון ברייס מגזין

אודות ג'ון ברייס

להשארת
פרטים

דאטה ומסדי נתונים - Data

Turbo AI: Practical Machine Learning with Python

המועדים הקרובים

משך הקורס

שעות אקדמיות:

מספר מפגשים:

קורס בוקר:

מספר מפגשים:

קורס בוקר:

5

Overview

מטרות הקורס

Who Should Attend

תכנית הלימודים

יכול לעניין אותך גם...

Data Analysis with Python

Deep Learning with Python

יש לך שאלות? רוצה עוד מידע?

Schedule Appointment