Python Data Science: Основы машинного обучения без учителя

Необработанные данные часто содержат ценные сведения, которые могут быть упущены при стандартном анализе. Автоматизированное машинное обучение позволяет обнаружить эти скрытые структуры и группировки без необходимости предварительного маркирования информации. Этот курс предоставляет четкий путь для любого, кто хочет выйти за рамки базовой статистики в мир предсказательного моделирования и распознавания образов. Вы научитесь преобразовывать сложные наборы данных в полезные выводы, овладев кластеризацией, уменьшением размерности и обнаружением аномалий с помощью профессиональных рабочих процессов Python. Сосредоточив внимание на логике алгоритмов и практических шагах по их реализации, вы развиете навыки самостоятельного решения проблем с реальными данными. Что вы узнаете: - Понять основные принципы обучения без учителя и современный жизненный цикл науки о данных. - Подготовка данных для моделирования с использованием методов нормализации, стандартизации и инженерного моделирования. - Построение и интерпретация моделей кластеризации, включая K-средние, иерархическое кластерирование и DBSCAN. - Выявление отклонений и необычных закономерностей с использованием методов изоляции и обнаружения аномалий. - Уменьшение сложности данных с помощью анализа основных компонентов (АОК) и t-SNE для улучшения интерпретации данных. - Разработка двигателей рекомендаций с использованием совместной фильтрации и косинусного сходства. - Применяйте современные методы Python, такие как подсказки типов и конвейеры scikit-learn, чтобы обеспечить чистый, воспроизводимый код. Курс начинается с основных терминов и рабочих процессов подготовки данных, а затем переходит к конкретным методам моделирования. Вы пройдете письменные объяснения алгоритмической теории и примените свои знания в практических упражнениях, ориентированных на реальные сценарии. Этот курс предназначен для начинающих и начинающих специалистов по данным, которые хотят создать прочный фундамент в машинном обучении. Не требуется предыдущий опыт моделирования. Начните обнаруживать скрытые закономерности в данных уже сегодня.