Extraído de: Baidu.com disco total [9] sección si hay una lección: allí usted cosechará los beneficios de

Basado en conjuntos de datos reales, práctica de código completo, utilizando la biblioteca de python para procesar rápidamente el análisis, algoritmos clásicos prácticos de aprendizaje automático.

población aplicable

todo el mundo

Análisis de características visuales y modelado y evaluación de aprendizaje automático utilizando las populares bibliotecas de análisis de datos de Python Numpy, Pandas, Matplotlib, Scikit-learn junto con conjuntos de datos reales. Cada curso incluye un caso completo, basado en el caso para explicar el uso de las bibliotecas de python y cómo construir modelos de aprendizaje automático, los algoritmos de aprendizaje automático involucrados para dar una explicación fácil de entender, para ayudarle a dominar los algoritmos clásicos de aprendizaje automático, y aplicados en casos reales.

Catálogo de cursos

Capítulo 1: Uso de Pandas y Matplotlib para analizar los datos de la carrera profesional de Kobe Configuración del entorno (símbolos de descarga a la derecha del código de datos ->) 09:05 Lectura de datos de Pandas 10:51 Preprocesamiento de datos de Pandas 11:02 Trazado de gráficos de líneas con matplotlib 11:04 Funciones de uso común de matplotlib 11:15 Análisis del conjunto de datos de Kobe análisis de conjuntos de datos 11:08 Operaciones de preprocesamiento de datos 13:32 Modelización con la biblioteca scikit-learn 11:16 (emisión original en directo, sin editar, coherente con lo anterior) 01:42:05 Capítulo 2: Detección de fraudes con tarjetas de crédito Capítulo 3: Caso Kaggle de predicción del rescate de la tripulación del Titanic Capítulo 4: Predicción del conjunto de datos mnist basado en tensorflow Capítulo 5: Caso Kaggle de Predicción de la Baja de un Empleado Capítulo 6: Análisis de Componentes Principales del Conjunto de Datos Iris y Predicción de Acciones basada en NLP

Descarga de recursos

El precio de descarga de este recurso es de8.9Monedas de oro, por favor, primeroIniciar sesión

Declaración de recursos (la compra se considera un acuerdo con esta declaración):
1. Cualquier operación en la plataforma del sitio web se considera que han leído y aceptado la parte inferior del acuerdo de registro del sitio web y renuncia de responsabilidad, los recursos de este sitio han sido ultra-bajo precio, y no proporciona soporte técnico
2. Algunos usuarios de la red comparten la dirección de disco neto puede no ser válida, como la aparición de fallos, por favor envíe un correo electrónico al servicio al cliente code711cn#qq.com (sustituir # con @) se compondrá de enviar
¡3. Este sitio proporciona todos los recursos descargables (software, etc) sitio para asegurarse de que no hay cambios negativos, pero este sitio no puede garantizar la exactitud, seguridad e integridad de los recursos, las descargas de los usuarios a su propia discreción, nos comunicamos a aprender con el fin de no todo el código fuente no es 100% libre de errores o sin errores, es necesario tener una cierta base para poder leer y entender el código, para poder modificar la depuración! código y resolver errores. Al mismo tiempo, los usuarios de este sitio deben entender que la Source Code Convenience Store no posee ningún derecho sobre el software proporcionado para su descarga, los derechos de autor pertenecen al propietario legal del recurso.
¡4. Todos los recursos en este sitio sólo para fines de aprendizaje y de investigación, por favor debe ser eliminado dentro de las 24 horas de los recursos descargados, no utilice con fines comerciales, de lo contrario los conflictos legales derivados del sitio y el editor del sitio de responsabilidad colateral y no se llevará a cabo!
5. Debido a la naturaleza reproducible de los recursos, una vez adquiridos no son reembolsables, el saldo de recarga tampoco lo es.