Anglais
Espagnol
Italien
Portugais brésilien
Sciences des données-Modèles de régression et de classification-Révisé
Apprenez à créer des modèles de régression, des modèles de classification et des modèles de classification dans Azure ML, R et Python.
Description
Avec ce cours en ligne, Data science and Machine Learning essentials building Machine Learning Models, vous allez découvrir trois différents types de modèles de régression, de classification et de regroupement. Vous allez apprendre comment chacun de ces modèles peut être créé dans Azure ML, R et Python.
Le cours qui vous permet de vous réintroduire dans la régression, où vous apprendrez ce qu'est la modélisation de régression. Vous en apprendrez davantage sur les mesures que vous pouvez prendre pour améliorer vos modèles. Vous en apprendrez davantage sur la validation croisée et sur la façon dont elle peut vous aider avec vos données. Vous allez apprendre à utiliser les paramètres de balayage des modules intégrés Azure MLs, ainsi que l'importance de la fonction Permutation.
Dans le second module, vous allez apprendre la modélisation de la classification, comment le processus est similaire à celui de la régression. Vous allez apprendre que vous pouvez utiliser un grand nombre de modules intégrés d'Azure ML dans la classification que vous pouvez utiliser dans la modélisation de régression. Vous en apprendrez davantage sur les mesures d'évaluation des performances d'un modèle de classification. Vous
Le dernier module vous enseignera les modèles d'apprentissage non supervisés. Vous en apprendrez davantage sur les modèles de cluster K et la mise en cluster hiérarchique. Vous allez découvrir comment chaque méthode de mise en cluster fonctionne et comment évaluer les modèles de cluster. Vous allez apprendre à créer des modèles de mise en cluster en Python et en R.
Ce cours gratuit Alison serait d'un grand intérêt pour ceux qui souhaitent apprendre et développer leurs connaissances sur les sciences des données.
Perquables: Pour réussir ce cours, vous avez besoin d'une connaissance de base des mathématiques, y compris l'algèbre linéaire. De plus, une certaine expérience de programmation, idéalement en R ou Python, est supposée et vous devrez avoir complété le cours précédent Data Science and Machine Learning Essentials Introduction to Data Science, Working with Data and Visualizing data and Exploring Models
Start Course NowModules
Modélisation de régression
-
Modélisation de régression Résultats d'apprentissage
-
Récapitulatif de régression
-
Affinage d'un modèle de régression avec R
-
Affinage d'un modèle de régression avec Python
-
Modélisation de régression Sommaire de la leçon
Modélisation de la classification
-
Résultats d'apprentissage de la modélisation de la classification
-
Compréhension de la classification
-
Préparation des données pour la classification à l'aide de R
-
Préparation des données pour la classification à l'aide de Python
-
Création d'un modèle de machine à vecteur de support et de modèle de forêt de décision
-
Evaluation des modèles de classification
-
Résultats d'apprentissage de la modélisation de la classification
Modèles d'apprentissage non supervisés
-
Modèles d'apprentissage non supervisés Résultats d'apprentissage
-
Modèles non surveillés et mise en cluster des moyennes de bâtiment
-
Exploration et création de modèles de mise en cluster avec R
-
Exploration et création de modèles de mise en cluster à l'aide de Python
-
Modèles d'apprentissage non supervisés Sommaire de la leçon
Évaluation du cours
Learning Outcomes
Une fois ce cours terminé avec succès, l'apprenant pourra:
- Discuter du processus de modélisation de régression et comment améliorer le modèle
- Identifier comment affiner un modèle de régression avec R
- Identifier comment affiner un modèle de régression avec Python
- Discuter du processus de modélisation de la classification et de la façon d'améliorer le modèle
- Reconnaître les mesures d'évaluation des performances d'un modèle de classification
- Description de la création d'un modèle de machine vectorielle de support et d'un modèle de forêt de décision
- Discuter du processus de création de modèles d'apprentissage non supervisés
- Reconnaître comment créer des modèles de classification hiérarchique et k-signifie en R
- Reconnaître comment créer des modèles de classification hiérarchique et k-signifie en Python
Certification
All Alison courses are free to study. To successfully complete a course you must score 80% or higher in each course assessments. Upon successful completion of a course, you can choose to make your achievement formal by purchasing an official Alison Diploma, Certificate or PDF.
Having an official Alison document is a great way to celebrate and share your success. It is:
- Ideal to include with CVs, job applications and portfolios
- A way to show your ability to learn and achieve high results
Contact Form
Before contacting support, search for your issue or question in the Alison help section.