Wprowadzenie do AI w języku Python
A course by Rodrigo MontemayorProgramista
A course by Rodrigo Montemayor, Programista
Opanuj podstawy sztucznej inteligencji i naucz się wykorzystywać ją do rozwiązywania problemów
Dzięki uczeniu maszynowemu wszystkie branże rewolucjonizują sposób, w jaki działają. Na tym kursie online doświadczony programista Rodrigo Montemayor nauczy Cię od podstaw podstaw uczenia maszynowego w Pythonie.
Podczas lekcji dowiesz się, co to jest i jak działa, jakie istnieją typy i jak można zastosować uczenie maszynowe do rozwiązywania różnych problemów. Przygotuj się na bycie częścią przyszłości sztucznej inteligencji.
Czego nauczysz się na tym kursie online?
llekcji: 29 & liczba dodatkowych zasobów: 34
Konfiguracja środowiska pracy
14 min, 25 sek.
Biblioteki Pythona
2 min, 38 sek.
Twój pierwszy model: regresja liniowa
16 min, 38 sek.
Regresja liniowa w szczegółach
4 min, 47 sek.
Zestawy i analiza danych
20 min, 13 sek.
Ćwiczenie regresji liniowej
15 min, 21 sek.
Co obejmuje ten kurs?
Kurs rozpoczniesz od bliższego poznania swojego nauczyciela Rodrigo Montemayora, który opowie Ci o swojej karierze jako programisty i jego największych referencjach.
Następnie zobaczysz, czym jest uczenie maszynowe i jak można je zastosować w różnych branżach. Następnie odkryjesz istniejące typy uczenia maszynowego.
W następnej części będziesz stawiał problem z koncepcjami uczenia maszynowego i zrozumiesz, że dane są niezbędne do uzyskania wyników. Krok po kroku nauczysz się niektórych terminów, takich jak tagi, funkcje czy biblioteki. Stworzysz więc swój pierwszy model za pomocą regresji liniowej. Zrozumiesz, jak działa proces szkolenia i obliczanie strat, aby automatycznie poprawić i odkryjesz najczęstsze problemy.
Później Rodrigo da ci kilka wskazówek dotyczących obsługi i przedstawiania danych. Opowie także o innym typie modelu, regresji logistycznej, oprócz sieci neuronowych. Wreszcie nauczysz się wykorzystywać istniejące i wcześniej wyszkolone modele do rozwiązywania problemów.
What is this course's project?
Stworzysz model uczenia maszynowego, który służy do klasyfikowania i wykrywania własnych obrazów za pomocą sieci neuronowych.
Projekty uczestników kursu
Who is this online course for?
Każdy zainteresowany poznaniem podstaw uczenia maszynowego.
Requirements and materials
Do przeprowadzenia tego kursu potrzebna jest podstawowa znajomość języka Python.
Oceny
- 16 godzin temu
hasta ahora todo bien
- 4 dni temu
MUY BUENO
- gaspi17PLUS5 dni temu
Explica bien y le presta atencion a las personas que programan en google colab o las que programan en visual studio code
- teveproserPLUS14 dni temu
Hoy en dia el analisis de datos, python y la ia son las mejores herramientas para crecer, excelente curso, excelente enseñanza para la carrera profesional.
- 24 dni temu
Curioso y refresco conocimientos y aprendo cosas en Python
Z drugiej strony udostępnia treści na kanale RingaTech na Youtube, których celem jest nauczanie i informowanie o technologii, cyberbezpieczeństwie i sztucznej inteligencji. W ramach kanału opracował kilka projektów i gier, których kod jest publicznie dostępny.
Zawartość
- Cz.1
Wstęp
- Prezentacja
- wpływy
- Cz.2
Podstawy uczenia maszynowego
- Co to jest uczenie maszynowe?
- Możliwości uczenia maszynowego
- Konfiguracja środowiska pracy
- Cz.3
swoje pierwsze modele
- Rodzaje i przykłady uczenia maszynowego
- Dane: podstawa każdego modelu
- Biblioteki Pythona
- Twój pierwszy model: regresja liniowa
- Regresja liniowa w szczegółach
- Cz.4
Algorytmy uczenia maszynowego
- Zestawy i analiza danych
- Ćwiczenie regresji liniowej
- Regresja logistyczna
- Ćwiczenie regresji logistycznej
- drzewa decyzyjne
- Ćwiczenie drzew decyzyjnych
- Cz.5
Więcej algorytmów uczenia maszynowego
- maszyny wektorów pomocniczych
- Wspieraj ćwiczenie maszyny wektorowej
- Grupowanie z K-średnimi
- Ćwiczenie grupowania z K-średnimi
- Cz.6
Sieci neuronowe i uczenie głębokie
- Intuicja i sposób uczenia się sieci neuronowych
- Sieć neuronowa regresji
- Sieć neuronowa klasy 1
- Klasyfikacja sieci neuronowych 2
- Sploty i filtry
- Konwolucyjne sieci neuronowe 1
- Konwolucyjne sieci neuronowe 2
- Przeniesienie nauki 1
- Przeniesienie nauki 2
- PK
Projekt końcowy
- Wprowadzenie do sztucznej inteligencji w Pythonie
Kurs Domestika - czego możesz się spodziewać?
Nauka we własnym tempie
Radość z nauki w domu, bez wyznaczonych terminów. Szybko przyswajasz wiedzę, a swój plan zajęć układasz wedle uznania.
Nauka z najlepszymi ekspertami
Przydatne metody oraz ciekawe techniki przedstawione i wyjaśnione przez najlepszych specjalistów z branży kreatywnej.
Doświadczeni prowadzący
Wszyscy prowadzący są specjalistami w swojej dziedzinie. Przekazują wiedzę z pasją, tłumaczą zagadnienia w jasny sposób, a podczas zajęć kładą nacisk na praktyczne zastosowanie zdobytej wiedzy.
Certificates
PLUSIf you're a Plus member, get a spersonalizowany certyfikat signed by your teacher for every course. Share it on your portfolio, social media, or wherever you like.
Miejsca w pierwszym rzędzie
Wysoka jakość wideo sprawia, że nie umknie Ci żaden szczegół. Dzięki nieograniczonemu dostępowi możesz obejrzeć nagrania tyle razy, ile potrzebujesz, aby przyswoić nowe umiejętności.
Dzielenie się wiedzą i pomysłami
Zadawaj pytania, nie wahaj się poprosić o opinię czy poszukać rozwiązania. Podziel się swoimi wrażeniami z nauki z pozostałymi członkami społeczności, którzy tak jak Ty uwielbiają tworzyć.
Łączność z kreatywną społecznością z całego świata
Społeczność kilku milionów użytkowników z całego świata, pełnych ciekawości oraz chęci odkrywania i wyrażania swojej kreatywności.
Profesjonalna realizacja kursów
Domestika starannie dobiera prowadzących i produkuje wszystkie kursy we własnym zakresie, aby zapewnić wysoką jakość nauki online.
Często zadawane pytania
You’ll master key Machine Learning concepts, learn how to apply algorithms to real-world problems, work with computer vision, prepare and analyze data, and build practical projects using Python and popular libraries like pandas, scikit-learn, and TensorFlow.
This is an intermediate-level course. It’s best if you have basic Python programming skills and a general understanding of math to get the most out of the lessons and exercises.
You’ll need Python installed, access to Google Colab or Visual Studio Code, and basic programming knowledge. A stable internet connection and a computer capable of running notebooks and Machine Learning libraries are also recommended.
You’ll work on projects like image and text classification, anomaly detection, customer segmentation, regression and binary classification models, and computer vision applications using real datasets and Python libraries.
The course covers applications such as computer vision, pattern recognition, fraud detection, medical diagnosis, price prediction, customer segmentation, and personalized recommendation systems.
Unlike traditional programming, Machine Learning lets systems learn from data and improve automatically, rather than following explicitly coded rules.
You’ll use pandas for data analysis, scikit-learn for Machine Learning models, TensorFlow and Keras for neural networks, plus Google Colab and Visual Studio Code to code and run your projects.