Memanfaatkan kekuatan Python untuk menganalisis data dan membuat model prediksi yang berwawasan luas
-
Fitur Utama
- Pelajari data mining secara praktis, menggunakan berbagai pustaka dan teknik
- Pelajari cara menemukan, memanipulasi, dan menganalisis data menggunakan Python
- Petunjuk langkah demi langkah untuk membuat aplikasi teknik data mining di dunia nyata
Apa yang Akan Anda Pelajari
- Menerapkan konsep data mining untuk masalah dunia nyata
- Memprediksi hasil pertandingan olahraga berdasarkan hasil sebelumnya
- Tentukan penulis dokumen berdasarkan gaya penulisannya
- Gunakan API untuk mengunduh kumpulan data dari media sosial dan layanan online lainnya
- Temukan dan ekstrak fitur bagus dari kumpulan data yang sulit
- Buat model yang memecahkan masalah dunia nyata
- Mendesain dan mengembangkan aplikasi data mining menggunakan berbagai set data
- Siapkan eksperimen yang dapat direproduksi dan hasilkan hasil yang kuat
- Rekomendasikan film, selebriti online, dan artikel berita berdasarkan preferensi pribadi
- Menghitung data besar, termasuk data waktu nyata dari Internet
Tentang
Langkah selanjutnya dalam era informasi adalah mendapatkan wawasan dari banjir data yang datang ke arah kita. Penambangan data menyediakan cara untuk menemukan wawasan ini, dan Python adalah salah satu bahasa paling populer untuk penambangan data, memberikan kekuatan dan fleksibilitas dalam analisis.
Kursus ini mengajarkan Anda untuk merancang dan mengembangkan aplikasi data mining menggunakan berbagai kumpulan data, dimulai dengan klasifikasi dasar dan analisis afinitas. Selanjutnya, kita beralih ke tipe data yang lebih kompleks termasuk teks, gambar, dan grafik. Di setiap bab, kami membuat model yang memecahkan masalah dunia nyata.
Ada kumpulan pustaka yang kaya dan beragam yang tersedia dengan Python untuk penambangan data. Kursus ini mencakup banyak hal, termasuk IPython Notebook, pandas, scikit-learn, dan NLTK.
Setiap bab dari kursus ini memperkenalkan Anda pada algoritma dan teknik baru. Di akhir kursus ini, Anda akan mendapatkan wawasan luas tentang penggunaan Python untuk data mining, dengan pengetahuan dan pemahaman yang baik tentang algoritma dan implementasi.
-
Memulai dengan Data Mining
-
Memperkenalkan data mining
-
Menggunakan Python dan Notebook IPython
-
Contoh analisis afinitas sederhana
-
Contoh klasifikasi sederhana
-
Apa klasifikasi itu?
-
Ringkasan
-
Mengklasifikasikan dengan Scikit-learn Estimators
-
scikit-learn estimator
-
Pemrosesan awal menggunakan Pipelines
-
Pipelines
-
Ringkasan
-
Memprediksi Pemenang Olahraga dengan Pohon Keputusan
-
Memuat set data
-
Pohon keputusan
-
Prediksi hasil olahraga
-
Hutan acak
-
Ringkasan
-
Merekomendasikan Film Menggunakan Analisis Afinitas
-
Analisis afinitas
-
Masalah rekomendasi film
-
Penerapan Apriori
-
Mengekstrak aturan asosiasi
-
Ringkasan
-
Mengekstrak Fitur dengan Transformers
-
Ekstraksi fitur
-
Pemilihan fitur
-
Pembuatan fitur
-
Membuat trafo Anda sendiri
-
Ringkasan
-
Wawasan Media Sosial Menggunakan Naive Bayes
-
Disambiguasi
-
Transformator teks
-
Naive Bayes
-
Aplikasi
-
Ringkasan
-
Menemukan Akun untuk Diikuti Menggunakan Penambangan Grafik
-
Memuat set data
-
Menemukan subgraf
-
Ringkasan
-
Mengalahkan CAPTCHA dengan Jaringan Neural
-
Jaringan saraf tiruan
-
Membuat dataset
-
Pelatihan dan klasifikasi
-
Meningkatkan akurasi menggunakan kamus
-
Ringkasan
-
Atribusi Kepengarangan
-
Menghubungkan dokumen kepada penulis
-
Kata fungsi
-
Mendukung mesin vektor
-
Karakter n-gram
-
Menggunakan dataset Enron
-
Ringkasan
-
Pengelompokan Artikel Berita
-
Mendapatkan artikel berita
-
Mengekstrak teks dari situs web arbitrer
-
Mengelompokkan artikel berita
-
Mengelompokkan ansambel
-
Pembelajaran online
-
Ringkasan
-
Mengklasifikasikan Objek dalam Gambar Menggunakan Deep Learning
-
Klasifikasi objek
-
Skenario dan tujuan aplikasi
-
Jaringan saraf dalam
-
Optimasi GPU
-
Menyiapkan lingkungan
-
Aplikasi
-
Ringkasan
-
Bekerja dengan Big Data
-
Data besar
-
Skenario dan tujuan aplikasi
-
MapReduce
-
Aplikasi
-
Ringkasan