מיכאל ניסן – ML – (Machine Learning – לימוד מכונה)
שיעור לדוגמה – linear regression
ש.1 – סביבת עבודה
ש.2 – jupyter
ש.3 – numpy
ש.4 – pandas
ש.matplotlib – 5
ש.6 – seaborn
ש.7 – intro to ML
ש.8 – data cleaning
ש.9 – linear regression
ש.10 – logistic regression
ש.11 – knn
ש.12 – decision trees & random forests
ש.13 – deep learning
ש.14 – pytorch
ש.15 – CNN
ש.16 – transfer learning
ש.17 – top 3%
ש.18 – טיפים + מילות סיכום
0/2 נושאים
אורך: 00:18:13
אורך: 00:00:54
משך השיעור: 00:19:07

שיעור לדוגמה – linear regression

שיעור לדוגמה – linear regression

בקורס נעבור על כל הנושאים של למידת מכונה, החל מהספריות numpy, pandas, matplotlib, וseaborn
לאחר מכן נמשיך ובכל פרק נלמד נושא חדש: רגרסיה לינראית, ריגרסיה לוגיסטית, קלסיפיקציה, אלגוריתמים מבוססי עצים, רשתות נוירונים ועוד.
עבור כל אחד מהנושאים אנחנו נעבור תחילה על התיאוריה בכמה דקות (ללא נוסחאות), רק כדי להבין את ההיגיון מאחורי האלגוריתם, ואז נמשיך לפתירת תחרויות עולמיות באתר Kaggle. בכל פרק נפתור שתי תחרויות.
את המימוש הפרקטי נעשה בשפת פייתון, כך שאם אתם מכירים אותה או עשיתם את הקורס הראשוני אתם תוכלו לעשות את הקורס הזה.
דברים שנעשה בקורס: נחזה בעזרת נתונים על נוסעי הטיטאניק, מי שרד את האסון, נבנה רשת נוירונים שמזהה כלבים וחתולים, נעבור על מאגרי מידע של מחירי דירות בבוסטון ונעזור לחנות להחליט האם כדאי לה להשקיע באתר האינטרנט או בסניף הפיזי שלה, על ידי הסתכלות על הData שהיא צברה.
בנוסף, בפרק האחרון, נפתור ביחד את התחרות שהגעתי בה ל3% הראשונים באתר Kaggle, כדי שגם אתם תוכלו לשחזר הישגים דומים ולהוסיף אותם לקורות החיים שלכם.
ניסיון המרצה: תואר שני במדעי המחשב, 5 שנים ביחידת 81 ועוד ניסיון בתעשיית ההייטק.

קישור לסרטון הסבר על הקורס

רקע תיאורטי

אנחנו כבר מתגעגעים...

לחצו להתנתקות מהמערכת