Este curso não é mais mantido. Explore nossos cursos e laboratórios mais recentes. Fique à vontade para enviar seus comentários pelo Discord .

Laboratórios Práticos de Sklearn

Este curso contém diversos laboratórios para Sklearn, cada um sendo um pequeno projeto Sklearn com orientação e soluções detalhadas. Você pode praticar suas habilidades em Sklearn completando estes laboratórios, aprimorar suas habilidades de codificação e aprender a escrever código limpo e eficiente.

PythonCiência de Dados

💡 Este tutorial foi traduzido do inglês com assistência de IA. Para ver o original, você pode mudar para a versão em inglês

Programa

Técnicas de Regressão para Dados Não Lineares

Previsão para o Preço do Bitcoin

Agrupamento Baseado em Centróides

Agrupamento Espectral e Outros Métodos de Agrupamento

Técnicas de Reconhecimento de Padrões Não Lineares

Seleção Rápida de Modelos com Validação Cruzada

Classificação por Árvore de Decisão com Python

Classificação Probabilística com Naive Bayes

Método Bagging e Boosting

Exploração de Agrupamento Hierárquico para Clustering

Guia do Tensorflow

Rede Neural Rasa Implementada com Tensorflow 2

Salvamento e Restauração de Modelos no TensorFlow 2

Treinar Rede Neural para Reconhecimento de Dígitos Manuscritos

Cálculo do Coeficiente de Regressão Ridge

Fundamentos da Regressão Linear

Classificação por Regressão Logística com Scikit-Learn

Previsão de Preços de Imóveis em Pequim

Agrupamento Baseado em Densidade

Compressão de Imagem Usando Mini Batch K Means

Aplicação de Agrupamento Baseado em Densidade

Algoritmo K-Vizinhos Mais Próximos (K Nearest Neighbor Algorithm)

Regressão Ridge e Regressão Lasso

Classificação do Conjunto de Dados de Avaliação de Segurança de Carros

Perceptron e Rede Neural Artificial

Introdução

Este curso de Laboratórios Práticos de Sklearn foi projetado para ajudá-lo a dominar a aplicação prática da popular biblioteca de machine learning, Scikit-learn (Sklearn). Através de uma série de laboratórios cuidadosamente selecionados, você terá a oportunidade de aplicar seu conhecimento de Sklearn a projetos do mundo real, aprimorando suas habilidades de codificação e aprendendo a escrever código limpo e eficiente.

🎯 Tarefas

Neste Curso, você aprenderá:

  • Como implementar uma ampla gama de algoritmos Sklearn, incluindo classificação, regressão, clustering (agrupamento) e técnicas de redução de dimensionalidade
  • Como pré-processar e preparar dados para modelos Sklearn
  • Como ajustar hiperparâmetros de modelos e avaliar o desempenho do modelo
  • Como aplicar Sklearn para resolver problemas práticos em áreas como reconhecimento de imagem, processamento de linguagem natural e análise preditiva

🏆 Conquistas

Após concluir este Curso, você será capaz de:

  • Aplicar Sklearn com confiança para lidar com uma variedade de problemas de machine learning
  • Desenvolver um profundo entendimento das funcionalidades principais e das melhores práticas do Sklearn
  • Melhorar suas habilidades de codificação trabalhando em projetos Sklearn bem projetados e práticos
  • Tornar-se proficiente em escrever código baseado em Sklearn limpo, eficiente e sustentável

Professor

labby
Labby
Labby is the LabEx teacher.

Recomendado para Você

no data