Contenidos
Clase magistral de regresión de aprendizaje automático en el curso de Python
Cree más de 8 proyectos prácticos y domine las técnicas de regresión de aprendizaje automático utilizando Python, Scikit Learn y Keras
Lo que aprenderás
Clase magistral de regresión de aprendizaje automático en el curso de Python
- Domine la programación de Python y el aprendizaje de Scikit aplicado a la regresión del aprendizaje automático
- Comprender la teoría subyacente detrás de las técnicas de regresión lineal simple y múltiple.
- Aplicar técnicas de regresión lineal simples para predecir el volumen de ventas de productos y la economía de combustible del vehículo.
- Aplicar regresión lineal múltiple para predecir los precios de las acciones y la tasa de aceptación de las universidades
- Cubre los conceptos básicos y la teoría subyacente de la regresión polinomial.
- Aplicar regresión polinomial para predecir el salario de los empleados y los precios de las materias primas
- Comprender la teoría detrás de la regresión logística.
- Aplicar regresión logística para predecir la probabilidad de que el cliente compre un producto en Amazon utilizando las funciones del cliente.
- Comprender la teoría y las matemáticas subyacentes detrás de las redes neuronales artificiales.
- Aprenda a entrenar las ponderaciones y sesgos de la red y seleccione las funciones de transferencia adecuadas
- Entrene redes neuronales artificiales (ANN) utilizando métodos de retropropagación y descenso de gradiente
- Optimice los hiperparámetros de ANN, como la cantidad de capas y neuronas ocultas para mejorar el rendimiento de la red
- Aplique ANN para predecir los precios de la vivienda dados parámetros como el área, el número de habitaciones, etc.
- Evalúe el rendimiento de los modelos de aprendizaje automático entrenados utilizando KPI (indicadores clave de rendimiento) como el error absoluto medio, el error cuadrático medio y la intuición del error cuadrático medio, la intuición R-cuadrado, el R-cuadrado ajustado y la prueba F
- Comprender la teoría y la intuición subyacentes detrás de las técnicas de regresión de Lasso y Ridge.
- Ejemplos de proyectos prácticos del mundo real
Requisitos
- Conceptos básicos del aprendizaje automático
- PC con conexión a Internet
Descripción
¡La revolución de la inteligencia artificial (IA) está aquí! La tecnología está progresando a gran escala y se está adoptando ampliamente en las industrias de salud, defensa, banca, juegos, transporte y robótica.
El aprendizaje automático es un subcampo de la inteligencia artificial que permite a las máquinas mejorar en una tarea determinada con experiencia. El aprendizaje automático es un tema extremadamente candente; La demanda de ingenieros de aprendizaje automático y científicos de datos con experiencia ha crecido de manera constante en los últimos 5 años. Según un informe publicado por Research and Markets, se espera que los sectores globales de tecnología de inteligencia artificial y aprendizaje automático crezcan de $ 1.4 mil millones a $ 8.8 mil millones para 2022 y se prevé que el sector de tecnología de inteligencia artificial creará alrededor de 2.3 millones de empleos para 2020.
El propósito de este curso es proporcionar a los estudiantes el conocimiento de los aspectos clave de las técnicas de regresión del aprendizaje automático de una manera práctica, fácil y divertida. La regresión es una técnica importante de aprendizaje automático que funciona prediciendo una variable continua (dependiente) basada en muchas otras variables independientes.
El curso proporciona a los estudiantes experiencia práctica en el entrenamiento de modelos de regresión de aprendizaje automático utilizando conjuntos de datos del mundo real. Este curso cubre varias técnicas de manera práctica, que incluyen:
- Regresión lineal simple
- Regresión lineal múltiple
- Regresión polinomial
- Regresión logística
- Regresión de árboles de decisión
- Regresión de crestas
- Regresión de lazo
- Redes neuronales artificiales para análisis de regresión
- Regresión Indicadores clave de desempeño
El curso está dirigido a estudiantes que desean obtener una comprensión fundamental de los modelos de regresión del aprendizaje automático. Se recomiendan conocimientos básicos de programación. Sin embargo, estos temas se cubrirán ampliamente durante las primeras conferencias del curso; por lo tanto, el curso no tiene requisitos previos y está abierto a cualquier estudiante con conocimientos básicos de programación. Los estudiantes que se inscriban en este curso dominarán los modelos de regresión de aprendizaje automático y podrán aplicar directamente estas habilidades para resolver problemas desafiantes del mundo real.
