Loading

The New Alison App has just launched Download Now

Suporte Vetor Máquinas em Python

Aprenda a criar máquinas de vetores de suporte em Python para uso em aprendizado de máquina neste curso online gratuito.

TI
Grátis
Este curso online gratuito ensina a você tudo o que você precisa saber sobre formular máquinas de vetores de suporte (SVMs) e usar seus algoritmos. Você aprenderá como criar modelos SVM de classificação e regressão usando a linguagem de programação Python. Estes incluem modelos simples de avançados usando kernels lineares e não-lineares. Para uma experiência de aprendizagem hands-on, instale o Python e siga as tarefas educacionais durante todo o curso.

Descrição

Modules

Resultado

Certificação

View course modules

Description

As máquinas de vetores de suporte (SVMs) estão sendo cada vez mais usadas no aprendizado de máquina para suas previsões quase precisas e interpretações de dados. Este curso ajuda você a entender e aplicar esta técnica avançada de aprendizado de máquina em suas atividades de análise de dados do dia a dia utilizando a linguagem de programação Python. As lições baseadas em vídeos tornarão os algoritmos de aprendizado de máquina complexos fáceis para você entender. Para aqueles que são novos para Python, um curso de queda está incluído para mostrar como instalar o software Python e Anaconda e introduz você a comandos e bibliotecas Python. Todas as etapas envolvidas na solução de um problema de negócios através de uma árvore de decisão estão cobertas neste curso. Embora o foco esteja em ensiná-lo como executar a análise, este curso também ensina como selecionar os dados corretos, como pré-processar os dados, e depois de executar a análise, julgue a qualidade do seu modelo.

Você estará usando o aplicativo Jupyter Notebook fornecido pela Anaconda para seguir os passos dos vídeos ’. Uma vez que você baixou e configure Anaconda e Python, você aprenderá o básico de aprendizado de máquina. O curso explica o que é aprendizado de máquina, como ele é relacionado à SVM, e qual sua aplicabilidade em diferentes cenários de negócios. Você será introduzido no conceito de hiperaviões e no classificador de margem máxima. Você verá que este classificador tem limitações, o que o conduzirá através dos conceitos do classificador de vetores de suporte para as máquinas vetoriais de suporte baseadas em kernel. A seguir, você seguirá as etapas de importação de dados para o ambiente Jupyter, arrumando e pré-processando os dados, dividindo-os para fins de treinamento e teste e finalmente construindo os modelos SVM. Você começará construindo um modelo de regressão e, em seguida, seguir em frente para construir modelos de classificação. Você aprenderá como sintonar os hiperparâmetros para resultados potencialmente melhores e mais precisos. Você também aprenderá a construir modelos avançados de SVM com kernels polinomiais e radiais e sua afinação de hiperparâmetros.

A ideia de aprender técnicas avançadas de SVM começando do zero te intrigam? Você gostaria que a confiança chegasse à frente em seu campo de conhecimento? Então este curso é para você! Ele orienta você através de tudo o que precisa saber para criar um modelo SVM em Python. Não há pré-requisitos para se matricular para este curso, embora um entendimento de métodos estatísticos possa ser útil. Após concluir este curso, você será capaz de aplicar técnicas de aprendizado de máquina e SVM a problemas de negócios da vida real. Este curso irá ajudá-lo a crescer profissionalmente e a aprificar suas perspectivas de carreira em ciência de dados. Então, por que esperar mais? Mergulhar no curso e ser proficiente na habilidade de classificação que todos estão se acirrando.

Start Course Now

Careers