Séance de cours
Régularisation L2 dans l'analyse des données sur le diabète
Séances de cours associées (31)
Réseaux entièrement connectés sur MNIST et SUSY Datasets
Couvre la mise en œuvre de réseaux neuronaux entièrement connectés sur deux ensembles de données utilisant PyTorch.
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Analyse des documents : Modélisation des sujets
Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.
Visualisation de la science des données avec Pandas
Couvre la manipulation et l'exploration de données à l'aide de Python en mettant l'accent sur les techniques de visualisation.
Introduction à l'apprentissage automatique
Couvre les bases de l'apprentissage automatique, y compris l'apprentissage supervisé et non supervisé, la régression linéaire et la classification.
Fondements de l'apprentissage automatique
Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.
Fonctions avancées des pandas
Se concentre sur les fonctions avancées de pandas pour la manipulation, l'exploration et la visualisation des données avec Python, en soulignant l'importance de la compréhension et de la préparation des données.
Régression logistique : Fondements et applications
Explore les fondamentaux de régression logistique, y compris les fonctions de coût, la régularisation et les limites de classification, avec des exemples pratiques utilisant scikit-learn.
Analyse des données de voiture: ICC Workspace
Explore l'analyse des données de voiture en Python à l'aide de l'espace de travail ICC et couvre la lecture, le traitement et l'analyse des informations de voiture.
Introduction à l'apprentissage automatique: Aperçu du cours et bases
Présente la structure du cours et les concepts fondamentaux de l'apprentissage automatique, y compris l'apprentissage supervisé et la régression linéaire.