Yang akan Anda pelajari
-
Algoritma Regresi dan Klasifikasi
-
Menggunakan sk-learn dan Python untuk mengimplementasikan teknik pembelajaran mesin yang diawasi
-
K-nearest neighbors untuk klasifikasi dan regresi
-
Naive Bayes
-
Regresi Ridge dan Lasso
-
Pohon Keputusan
-
Random Forest
-
Mendukung Mesin Vektor
-
Studi kasus praktis untuk pelatihan, pengujian dan evaluasi serta peningkatan kinerja model
-
Validasi silang untuk optimasi parameter
-
Pelajari cara menggunakan metrik seperti Presisi, Perolehan, skor F1, serta matriks konfusi untuk mengevaluasi performa model sebenarnya
-
Anda akan mendalami landasan teoretis di balik setiap algoritme dengan bantuan penjelasan intuitif tentang rumus dan gagasan matematika
Deskripsi
Mengapa Anda harus mempertimbangkan untuk mengambil kursus Supervised Machine Learning?
Algoritme pembelajaran mesin yang diawasi yang akan Anda pelajari di sini adalah beberapa alat ilmu data paling canggih yang Anda perlukan untuk menyelesaikan tugas regresi dan klasifikasi. Ini adalah keterampilan berharga yang harus dimiliki oleh siapa pun yang ingin bekerja sebagai insinyur pembelajaran mesin dan ilmuwan data.
Naïve Bayes, KNN, Mesin Vektor Pendukung, Pohon Keputusan, Hutan Acak, Regresi.
Dalam kursus ini, Anda akan mempelajari teori di balik keenam algoritma tersebut, dan kemudian menerapkan keterampilan Anda pada studi kasus praktis yang disesuaikan dengan masing-masing algoritma tersebut, menggunakan perpustakaan pembelajaran sci-kit Python.
Pertama, kita membahas naïve Bayes – teknik ampuh berdasarkan statistik Bayesian. Keunggulannya adalah ia hebat dalam melakukan tugas secara real-time. Beberapa kasus penggunaan yang paling umum adalah memfilter email spam, menandai komentar yang tidak pantas di media sosial, atau melakukan analisis sentimen. Dalam kursus ini, kami memiliki contoh praktis tentang cara kerjanya.
Berikutnya adalah K-nearest-neighbours – salah satu algoritma pembelajaran mesin yang paling banyak digunakan. Mengapa demikian? Karena kesederhanaannya saat menggunakan metrik berbasis jarak untuk membuat prediksi yang akurat.
Kami akan menindaklanjuti dengan algoritma pohon keputusan, yang akan menjadi dasar untuk topik berikutnya – yaitu hutan acak. Mereka adalah pembelajar ansambel yang kuat, yang mampu memanfaatkan kekuatan berbagai pohon keputusan untuk membuat prediksi yang akurat.
Setelah itu, kita akan bertemu dengan Support Vector Machines – model klasifikasi dan regresi, yang mampu memanfaatkan kernel berbeda untuk memecahkan berbagai macam masalah. Pada bagian praktis bagian ini, kita akan membuat model untuk mengklasifikasikan jamur sebagai jamur beracun atau jamur yang dapat dimakan.
Terakhir, Anda akan mempelajari Regresi Ridge dan Lasso – keduanya merupakan algoritme regularisasi yang meningkatkan mekanisme regresi linier dengan membatasi kekuatan fitur individual dan mencegah overfitting. Kami akan membahas perbedaan dan persamaan, serta pro dan kontra dari kedua teknik regresi tersebut.
Setiap bagian kursus ini disusun secara seragam untuk pengalaman belajar yang optimal:
– Kita mulai dengan teori dasar untuk setiap algoritma. Untuk meningkatkan pemahaman Anda tentang topik ini, kami akan memandu Anda melalui kasus teoretis, serta memperkenalkan rumus matematika di balik algoritme.
– Kemudian, kita melanjutkan ke pembuatan model untuk memecahkan masalah praktis dengan model tersebut. Ini dilakukan dengan menggunakan perpustakaan sklearn Python yang terkenal.
– Kami menganalisis performa model kami dengan bantuan metrik seperti akurasi, presisi, perolehan, dan skor F1.
– Kami juga mempelajari berbagai teknik seperti pencarian grid dan validasi silang untuk meningkatkan performa model.
Untuk melengkapi semua ini, kami memiliki serangkaian latihan dan kuis pelengkap, sehingga Anda dapat meningkatkan keahlian Anda. Tidak hanya itu, kami juga menawarkan materi kursus yang komprehensif untuk memandu Anda menjalani kursus, yang dapat Anda konsultasikan kapan saja.
Jika Anda ingin meningkatkan keterampilan ilmu data Anda ke tingkat berikutnya dan menambahkan alat yang dibutuhkan ke resume Anda, kursus ini adalah pilihan yang tepat untuk Anda.
Untuk siapa kursus ini:
- Calon ilmuwan data dan insinyur pembelajaran mesin
- Ilmuwan Data dan Analis Data ingin meningkatkan keahlian mereka
- Siapa pun yang ingin memahami bidang pembelajaran mesin dan peluangnya yang luas