Khóa học này có 6 phần.
Hãy sẵn sàng khám phá thế giới Học máy (Machine Learning - ML) bằng cách sử dụng Python! Khóa học này dành cho bạn dù bạn muốn nâng cao sự nghiệp Khoa học Dữ liệu của mình hay bắt đầu với Học máy và Học sâu.
Khóa học sẽ bắt đầu với phần giới thiệu nhẹ nhàng về Học máy và các khái niệm liên quan, bao gồm học có giám sát và không giám sát, hồi quy tuyến tính và phi tuyến tính, hồi quy đơn giản và nhiều hơn nữa.
Sau đó, bạn sẽ khám phá các kỹ thuật phân loại bằng cách sử dụng các thuật toán phân loại khác nhau như K-Nearest Neighbors (KNN), cây quyết định và Hồi quy Logistic. Bạn cũng sẽ tìm hiểu về tầm quan trọng và các loại phân cụm khác nhau như k-means, phân cụm phân cấp và DBSCAN.
Với tất cả các khái niệm mà bạn sẽ học, khóa học sẽ đặt trọng tâm lớn vào học tập thực hành. Bạn sẽ làm việc với các thư viện Python như SciPy và scikit-learn và áp dụng kiến thức của mình thông qua các bài thực hành. Trong dự án cuối khóa, bạn sẽ thể hiện kỹ năng của mình bằng cách xây dựng, đánh giá và so sánh nhiều mô hình Học máy sử dụng các thuật toán khác nhau.
Vào cuối khóa học, bạn sẽ có những kỹ năng sẵn sàng cho công việc để thêm vào sơ yếu lý lịch của mình và một chứng chỉ về học máy để chứng minh năng lực của bạn.
Những gì bạn sẽ học:
- Mô tả các loại thuật toán Học máy khác nhau và khi nào nên sử dụng chúng
- So sánh và đối chiếu các phương pháp phân loại tuyến tính bao gồm dự đoán đa lớp, máy vector hỗ trợ và hồi quy logistic
- Viết mã Python thực hiện các kỹ thuật phân loại khác nhau bao gồm K-Nearest Neighbors (KNN), cây quyết định và cây hồi quy
- Đánh giá kết quả từ hồi quy tuyến tính đơn giản, phi tuyến tính và hồi quy đa biến trên một tập dữ liệu bằng cách sử dụng các chỉ số đánh giá
Bài học hấp dẫn, giảng viên vui vẻ, thực hành phù hợp thực tế. Rất hài lòng và sẽ học thêm các khác sau.