- Регистрация
- 22 Февраль 2018
- Сообщения
- 10.786
Автор: udemy
Название: Excel для науки о данных и машинного обучения (2022)
Описание:
Excel for Data Science and Machine Learning
udemy
Почему машинное обучение и наука о данных в Excel?
Используют ли вообще Excel специалисты по данным и аналитики данных?
Ответ – громкое «Да, есть!»
Немногие в организации умеют читать Jupyter Notebook, но с Excel знакомы буквально все. Он обеспечивает прямую визуальную информацию, которая необходима как экспертам, так и новичкам для применения наиболее распространенных методов машинного обучения. Кроме того, он естественным образом подходит для подготовки данных.
На самом деле, простота Excel снижает входные барьеры и позволяет сразу же проводить собственный анализ данных. Даже если вы не являетесь выпускником факультета компьютерных наук с навыками программирования на Python, этот курс научит вас самостоятельно выполнять машинное обучение и расширенный статистический анализ.
Excel — идеальная среда для понимания логики различных методов машинного обучения в простой для понимания форме. Все, что вам нужно сделать, это начать, и в кратчайшие сроки вы сможете полностью понять интуицию, лежащую в основе алгоритмов ML, вообще без необходимости кодировать.
Итак, если вы не занимаетесь программированием, но хотите заняться наукой о данных, статистическим анализом и машинным обучением, и вы стремитесь стать аналитиком данных или специалистом по данным, вы попали в нужное место.
Методы машинного обучения, которые мы рассмотрим в курсе:
- Линейная регрессия
- Множественная линейная регрессия
- Логистическая регрессия
- Кластерный анализ
- Кластеризация K-средних
- Деревья решений
Вы изучите основные концепции статистики и машинного обучения, такие как:
- Коэффициенты регрессии
- Изменчивость
- Допущения МНК
- ROC-кривая
- Недооснащение
- Переоснащение
- Разница между классификацией и кластеризацией
- Как выбрать количество кластеров
- Как кластеризовать категориальные данные
- Когда стандартизировать данные
- Плюсы и минусы кластеризации
- Энтропия (функция потерь)
- Прирост информации
Как видите, мы стремимся научить вас основам машинного обучения и расширенного статистического анализа с помощью программного обеспечения, которое действительно легко понять. И самое приятное то, что после того, как вы закончите этот курс, у вас будут теоретические знания, которые вам понадобятся, если вы решите погрузиться в продвинутые фреймворки, доступные в Python.
Итак, если вы увлечены машинным обучением, но не умеете программировать, то этот курс — идеальная возможность для вас. Нажмите «Купить сейчас», взволновайтесь и начните свое путешествие в ML уже сегодня!
Для кого этот курс:
- Вам следует пройти этот курс, если вы хотите понять основы машинного обучения
- Не умеете программировать, но хотите самостоятельно заниматься машинным обучением? Это идеальный курс для вас
- Этот курс отлично подходит, если вы стремитесь стать аналитиком данных или специалистом по данным
Требования
- Понимание базовой статистики
- Начальное знание Excel
Материал на английском языке
Подробнее:
Скачать:
Название: Excel для науки о данных и машинного обучения (2022)
Описание:
Excel for Data Science and Machine Learning
udemy
Почему машинное обучение и наука о данных в Excel?
Используют ли вообще Excel специалисты по данным и аналитики данных?
Ответ – громкое «Да, есть!»
Немногие в организации умеют читать Jupyter Notebook, но с Excel знакомы буквально все. Он обеспечивает прямую визуальную информацию, которая необходима как экспертам, так и новичкам для применения наиболее распространенных методов машинного обучения. Кроме того, он естественным образом подходит для подготовки данных.
На самом деле, простота Excel снижает входные барьеры и позволяет сразу же проводить собственный анализ данных. Даже если вы не являетесь выпускником факультета компьютерных наук с навыками программирования на Python, этот курс научит вас самостоятельно выполнять машинное обучение и расширенный статистический анализ.
Excel — идеальная среда для понимания логики различных методов машинного обучения в простой для понимания форме. Все, что вам нужно сделать, это начать, и в кратчайшие сроки вы сможете полностью понять интуицию, лежащую в основе алгоритмов ML, вообще без необходимости кодировать.
Итак, если вы не занимаетесь программированием, но хотите заняться наукой о данных, статистическим анализом и машинным обучением, и вы стремитесь стать аналитиком данных или специалистом по данным, вы попали в нужное место.
Методы машинного обучения, которые мы рассмотрим в курсе:
- Линейная регрессия
- Множественная линейная регрессия
- Логистическая регрессия
- Кластерный анализ
- Кластеризация K-средних
- Деревья решений
Вы изучите основные концепции статистики и машинного обучения, такие как:
- Коэффициенты регрессии
- Изменчивость
- Допущения МНК
- ROC-кривая
- Недооснащение
- Переоснащение
- Разница между классификацией и кластеризацией
- Как выбрать количество кластеров
- Как кластеризовать категориальные данные
- Когда стандартизировать данные
- Плюсы и минусы кластеризации
- Энтропия (функция потерь)
- Прирост информации
Как видите, мы стремимся научить вас основам машинного обучения и расширенного статистического анализа с помощью программного обеспечения, которое действительно легко понять. И самое приятное то, что после того, как вы закончите этот курс, у вас будут теоретические знания, которые вам понадобятся, если вы решите погрузиться в продвинутые фреймворки, доступные в Python.
Итак, если вы увлечены машинным обучением, но не умеете программировать, то этот курс — идеальная возможность для вас. Нажмите «Купить сейчас», взволновайтесь и начните свое путешествие в ML уже сегодня!
Для кого этот курс:
- Вам следует пройти этот курс, если вы хотите понять основы машинного обучения
- Не умеете программировать, но хотите самостоятельно заниматься машинным обучением? Это идеальный курс для вас
- Этот курс отлично подходит, если вы стремитесь стать аналитиком данных или специалистом по данным
Требования
- Понимание базовой статистики
- Начальное знание Excel
Материал на английском языке
Подробнее:
Для просмотра содержимого вам необходимо авторизоваться.
Скачать:
Скрытое содержимое могут видеть только члены группы Премиум.
Скрытый контент для пользователей All-dar.