Course curriculum
-
1
מבוא
-
2
Numpy
-
3
Pandas
-
4
matplotlib
-
5
Data Preperation
-
6
דוגמא - תהליך הכנת המידע
-
7
Scikit Learn
-
8
רגרסיה ליניארית
-
9
רגרסיה לוגיסטית
-
10
עצי החלטה
-
11
Support Vectors Machine
-
12
Ensemble Learning
-
13
נספחים
-
ברוכים הבאים לקורס - חשוב לקרוא FREE PREVIEW מהי ללמידת מכונה FREE PREVIEW סיבתיות ונסיבתיות FREE PREVIEW מבוא ללמידת מכונה FREE PREVIEW -
התקנת הספריה FREE PREVIEW מערכים FREE PREVIEW ממדי המערך FREE PREVIEW מערכים אחידים FREE PREVIEW בחירת תתי מערכים FREE PREVIEW פעולות כוללות ואלגבריות FREE PREVIEW מסיכה בוליאנית FREE PREVIEW שינוי ממדי המערך FREE PREVIEW לאן ממשיכים? FREE PREVIEW הקוד מהשיעור -
מבוא לפנדס FREE PREVIEW פנדס לעומת אקסל FREE PREVIEW התקנת הספריה FREE PREVIEW series FREE PREVIEW ממילון dataframe יצירת FREE PREVIEW קריאה מקובץ אקסל FREE PREVIEW שינוי שמות עמודות FREE PREVIEW פתרון התרגיל FREE PREVIEW הוספת נתונים FREE PREVIEW פתרון התרגיל FREE PREVIEW טיפול בערכים חסרים FREE PREVIEW בחירה מותנית FREE PREVIEW פתרון התרגיל FREE PREVIEW תרגיל הקוד מהשיעור -
התקנת הספריה plot תכונות נוספות תרשימים נוספים דוגמאות תרגיל הקוד מהשיעור -
מבוא להכנת המידע ניקוי המידע טרנספורמציות על המידע ניקוי מידע באמצעות פנדס סטנדרטיזציה -
בחינה ראשונית של המידע ויזואליזציה של המידע Scatter Plot Pie Chart Box Chart ניקוי המידע - חלק 1 ניקוי המידע - חלק 2 ניקוי המידע - חלק 3 תרגיל הקוד מהשיעור -
scikit learn מבוא ל אתר הספריה -
מבוא לרגרסיה ליניארית משוואת הקו הישר פונקצית השגיאה הדגמת חישוב קו הרגרסיה Gradient Descent scikit רגרסיה ליניארית עם תרגיל -
מבוא לרגרסיה לוגיסטית מציאת פונקצית המקדמים Logistic Regression in Scikit Multinomial Logistic Regression תרגיל -
מבוא לעצי החלטה אלגוריתם לבניית עץ דוגמא לבניית עץ יתרונות וחסרונות המודל scikit עצי החלטה ב -
svm מבוא ל Hard and Soft Margin SVM in scikit SVM Classifier mlp320 - ensemble review -
Ensemble Learning מבוא ל Soft Voting Ensemble Learning in scikit Ensemble Classifier Example Bagging Random Forest -
דוגמאות הקוד Datasets
בואו ללמוד למידת מכונה
מבצע לרגל החגים - כל הקורס עם גישה לא מוגבלת בזמן בשישים שקלים בלבד!
-
$60.00