Hands-On Unsupervised Learning with Python
Hands-On Unsupervised Learning with Python
MP4 | Video: AVC 1280x720 | Audio: AAC 44KHz 2ch | Duration: 3.5 Hours | 1.48 GB
Genre: eLearning | Language: English
Этот курс объясняет основные Бесконтрольных алгоритмов обучения с реальных примеров бизнес-приложений на Python-код.
Предположим, они попытались исследовать диетолог, пищевой ценности продуктов
Этот курс основные Бесконтрольных объясняет алгоритмы обучения с реальным миром примеры бизнес-приложений на Python-кода.
Скажем, вы купили миллионы движение данных на продукты в магазинах. Отдельных продуктов или категорий продуктов чаще всего вместе купили? Как большое количество опрос-ответы - какие ответы давали чаще всего, на все или подмножество респондентов? Association Rules-ответы на эти вопросы, и они являются наиболее часто в корзине анализа. Априорные Алгоритмы решает огромные вычислительные задачи вычисления ассоциативных Правил. После этого курса и применения априорного алгоритма можно понять, рассчитать, интерпретировать и создавать интерактивные визуализации ассоциативных правил.
Например, диетологи пытаются изучить питательную ценность продуктов. Что это лучший способ, чтобы дифференцировать продукты? Через содержание витаминов? Уровень Белка? Или, может быть, и то и другое в комбинации? Глубина учиться Учиться и Бесконтрольного, чтобы узнать.
Этот курс позволит вам воспользоваться визуализировать Principal Component анализа, и интерпретации и результаты своих записей, как в предыдущем абзаце. Они также могут быть применены hard-и soft-методов кластеризации (k-Means и Gaussian Mixture Models) назначить сегменте этикетки к категориям клиентов в вашем примере-записей.
После просмотра этого курса вы будете знать, как основные принципы обучения с Бесконтрольной Python. Весь код и файлы поддержки для данного курса доступны на Github
DOWNLOAD
turbobit