1. <li id="9jg7w"><tr id="9jg7w"></tr></li>
        

        <tbody id="9jg7w"></tbody>
        1. <th id="9jg7w"><big id="9jg7w"></big></th>

          在線咨詢
          課程概述
          課程涵蓋技能
          課程亮點
          職場助力
          購課選項
          預修課程
          課程目錄
          行業項目
          認證證書
          學員反饋
          立即購買

          課程概述

          本課程包括58小時的應用學習、互動實驗室、4個實踐項目和指導。通過我們的機器學習認證培訓,您可以掌握機器學習認證考試所需的機器學習概念。機器學習在線培訓教您掌握一個成功的現代機器學習工程師所必備技能。

          課程涵蓋技能

          • 數據預處理
          • 監督學習和無監督學習
          • 時間序列建模
          • 集合學習
          • 回歸
          • k-means聚類
          • 文本挖掘

          課程亮點

          • 6 小時在線自定進度學習
          • 44小時導師在線授課指導
          • 4個基于行業的結課項目
          • 在 Jupyter notebooks 集成實驗室進行交互式學習
          • 業界專家提供專業指導

          職場助力

          預計到2024年,機器學習市場額預計將達到306.4億美元,年復合增長率(CAGR)為42.8%,這表明公司對機器學習的采用在增加。截止到2024年,對機器學習工程師的需求預計增長11%。

          名稱
          年薪
          招聘單位
          數據科學家
          機器學習工程師
          $83K
          最小
          $118.5K
          平均值
          $154K
          最大
          $78K
          最小
          $114K
          平均值
          $150K
          最大

          購課選項

          單一課程

          個人提升

          • 終身訪問自定進度在線學習課程
          • 實驗室現場技能操作演示
          • 預約頂級講師提供的在線直播培訓課程
          • 用于鞏固所學技能的現實行業項目
          • 自我評估模擬試卷
          • 24x7幫助與支持
          simplilearn官網價 查看
          課程原價 ¥ 6294.00
          立即購買
          實惠套餐

          個人提升

          • 單一課程中的所有特權
          • 購買課程組合,每門課程均享受優惠折扣

            購買2門課程包享受7.5折優惠

            購買3門課程包享受6.5折優惠

            購買4門課程包享受5.5折優惠

            購買5門及以上課程包享受4.5折優惠

            *加購課程查看最終實際價格

          自由組合自己的課程 >
          我的課程
          詳情
          折扣優惠 -0
          最終價格 0
          立即購買
          定制套餐

          企業培訓

          • 根據企業需求定制套餐
          • 在線自定進度學習與直播培訓課程相結合
          • 靈活的定價方案
          • 企業級學習管理系統
          • 團隊與個人學習管理界面
          • 24x7幫助與支持
          聯系我們

          預修課程

          • 統計數據
          • 數學
          • Python編程

          課程內容

          第1課 課程介紹
          • 課程介紹

          • 進入實踐實驗室

          第 2 課 AI 和機器學習簡介
          • 學習目標

          • 人工智能的出現

          • 人工智能在實踐中

          • 具有人工智能概念的科幻電影

          • 推薦系統

          • 人工智能、機器學習和數據科學之間的關系:A 部分

          • 人工智能、機器學習和數據科學之間的關系:B 部分

          • 機器學習的定義和特點

          • 機器學習方法

          • 機器學習技術

          • 機器學習的應用:A 部分

          • 機器學習的應用:B 部分

          • 關鍵要點

          • 知識檢查

          第 3 課數據預處理
          • 學習目標

          • 數據探索加載文件:A 部分

          • 數據探索加載文件:B 部分

          • 演示:導入和存儲數據

          • 實踐:汽車數據探索-A

          • 數據探索技術:A 部分

          • 數據探索技術:B 部分

          • 海生

          • Demo:相關性分析

          • 實踐:汽車數據探索 - B

          • 數據整理

          • 數據集中的缺失值

          • 數據集中的異常值

          • 演示:異常值和缺失值處理

          • 練習:數據探索 - C

          • 數據操作

          • Python 中數據對象的功能:A 部分

          • Python 中數據對象的功能:B 部分

          • 不同類型的連接

          • 類型轉換

          • Demo:工時對比

          • 練習:數據操作

          • 關鍵要點

          • 知識檢查

          • 存儲測試結果

          第 4 課監督學習
          • 學習目標

          • 監督學習

          • 監督學習——現實生活場景

          • 理解算法

          • 監督學習流程

          • 監督學習的類型:A 部分

          • 監督學習的類型:B 部分

          • 分類算法的類型

          • 回歸算法的類型:A 部分

          • 回歸用例

          • 準確度指標

          • 成本函數

          • 評估系數

          • 演示:線性回歸

          • 實踐:波士頓之家 - A

          • 預測挑戰

          • 回歸算法的類型:B 部分

          • 演示:Bigmart

          • 實踐:波士頓之家 - B

          • Logistic 回歸:A 部分

          • Logistic 回歸:B 部分

          • Sigmoid 概率

          • 精度矩陣

          • 演示:泰坦尼克號乘客的生存

          • 實踐:虹膜物種

          • 關鍵要點

          • 知識檢查

          • 健康保險費用

          第 5課 特征工程
          • 學習目標

          • 特征選擇

          • 回歸

          • 因素分析

          • 因子分析過程

          • 主成分分析(PCA)

          • 第一主成分

          • 特征值和PCA

          • 演示:特征縮減

          • 實踐:PCA 轉換

          • 線性判別分析

          • 最大可分離線

          • 求最大可分線

          • 演示:標記特征減少

          • 實踐:LDA 轉換

          • 關鍵要點

          • 知識檢查

          • 簡化癌癥治療

          第 6 課監督學習分類
          • 學習目標

          • 分類概述

          • 分類:一種監督學習算法

          • 分類用例

          • 分類算法

          • 決策樹分類器

          • 決策樹示例

          • 決策樹的形成

          • 選擇分類器

          • 決策樹的過擬合

          • 隨機森林分類器 - Bagging 和 Bootstrapping

          • 決策樹和隨機森林分類器

          • 績效衡量:混淆矩陣

          • 績效衡量:成本矩陣

          • 演示:馬匹生存

          • 實踐:貸款風險分析

          • 樸素貝葉斯分類器

          • 計算后驗概率的步驟:A 部分

          • 計算后驗概率的步驟:B 部分

          • 支持向量機:線性可分

          • 支持向量機:分類余量

          • 線性 SVM:數學表示

          • 非線性 SVM

          • 內核技巧

          • Demo:語音分類

          • 實踐:大學分類

          • 關鍵要點

          • 知識檢查

          • 對運動學數據進行分類

          第 7 課無監督學習
          • 學習目標

          • 概述

          • 無監督學習的例子和應用

          • 聚類

          • 層次聚類

          • 層次聚類示例

          • 演示:聚類動物

          • 實踐:客戶細分

          • K-means聚類

          • 最佳簇數

          • 演示:基于集群的激勵

          • 練習:圖像分割

          • 關鍵要點

          • 知識檢查

          • 聚類圖像數據

          第 8 課時間序列建模
          • 學習目標

          • 時間序列建模概述

          • 時間序列模式類型:A 部分

          • 時間序列模式類型:B 部分

          • 白噪聲

          • 平穩性

          • 去除非平穩性

          • 演示:航空乘客 - A

          • 實踐:啤酒生產 - A

          • 時間序列模型:A 部分

          • 時間序列模型:B 部分

          • 時間序列模型:C 部分

          • 時間序列預測的步驟

          • 演示:航空乘客 - B

          • 實踐:啤酒生產 - B

          • 關鍵要點

          • 知識檢查

          • 國際貨幣基金組織商品價格預測

          第 9 課 集成學習
          • 集成學習

          • 概述

          • 集成學習方法:A 部分

          • 集成學習方法:B 部分

          • AdaBoost 的工作

          • AdaBoost 算法和流程圖

          • 梯度提升

          • XGBoost

          • XGBoost 參數:A 部分

          • XGBoost 參數:B 部分

          • 演示:皮馬印第安人糖尿病

          • 練習:線性可分物種

          • 型號選擇

          • 常見的拆分策略

          • 演示:交叉驗證

          • 練習:模型選擇

          • 關鍵要點

          • 知識檢查

          • 使用 XGBoost 調整分類器模型

          第 10 課推薦系統
          • 學習目標

          • 簡介

          • 推薦系統的目的

          • 推薦系統的范式

          • 協同過濾:A 部分

          • 協同過濾:B 部分

          • 關聯規則挖掘

          • 關聯規則挖掘:市場籃子分析

          • 關聯規則生成:先驗算法

          • Apriori 算法示例:A 部分

          • Apriori 算法示例:B 部分

          • Apriori算法:規則選擇

          • Demo:用戶-電影推薦模型

          • 實踐:電影-電影推薦

          • 關鍵要點

          • 知識檢查

          • 圖書租賃推薦

          第 11 課文本挖掘
          • 學習目標

          • 文本挖掘概述

          • 文本挖掘的意義

          • 文本挖掘的應用

          • 自然語言工具包庫

          • 文本提取和預處理:標記化

          • 文本提取和預處理:N-gram

          • 文本提取和預處理:停止詞去除

          • 文本提取和預處理:詞干提取

          • 文本提取和預處理:詞形還原

          • 文本提取和預處理:詞性標注

          • 文本提取和預處理:命名實體識別

          • NLP 流程工作流程

          • 演示:處理布朗語料庫

          • 維基語料庫

          • 構造句子:語法

          • 渲染語法樹

          • 構造句子:分塊和分塊解析

          • NP 和 VP 塊和解析器

          • 結構化句子:Chinking

          • 上下文無關語法(CFG)

          • 演示:構造句子

          • 實踐:航空公司情緒

          • 關鍵要點

          • 知識檢查

          • 世界杯

          第 12 課項目亮點
          • 項目亮點

          • 安德魯邁克菲| 構建思維機器組合:歡迎技術成為您的同事

          • 優步票價預測

          • 亞馬遜 - 員工訪問

          • 實踐項目

          • 加州房價預測

          • 帶有 LR 的網絡釣魚檢測器

          查看更多
          在線咨詢
          姓名
          請輸入姓名
          電話
          請輸入電話
          郵箱
          請輸入郵箱
          需求
          請輸入需求
          提供您的聯系方式,即表示您同意我們的 隱私政策

          行業項目

          項目1

          優步的票價預測

          優步希望提高其票價預測模型的準確性。通過選擇最佳數據和 AI 技術來幫助 Uber 構建其下一代模型。

          票價測試

          項目2

          梅賽德斯奔馳的測試臺時間減少

          梅賽德斯-奔馳希望縮短模型在其測試臺上花費的時間,從而縮短汽車的上市時間。構建和優化機器學習算法來解決這個問題。

          提高實效

          項目3

          收入資格預測

          美洲開發銀行希望讓人們有資格參加援助計劃。使用隨機森林分類器幫助銀行建立和提高數據集的準確性。

          收入資格

          項目4

          亞馬遜員工訪問權限預測

          使用亞馬遜員工的數據及其訪問權限構建一個模型,該模型在員工進入和離開亞馬遜內部角色時自動決定訪問權限。

          訪問權限

          認證證書

          達到認證條件后,您將獲得圣普倫和Simplilearn聯合認證的電子證書。我們會通過電子郵件給您發送電子證書,證書上的名字以您注冊時使用的名字為準。

          認證條件

          • 85% 的自定進度的在線課程學習,或參加在線課堂授課學習
          • 在課程結束評估中不低于 75% 的分數
          • 至少成功通過一個項目評估

          學員反饋

          4.1

          阿肖克·庫馬爾·科塔達帕尼

          高級測試經理 Infosys

          Simplilearn 的培訓導師很有耐心,在不影響課程進度的情況下,解答學員所有的疑惑和問題。Simplilearn為想要在數據分析和數據科學領域學習和發展的人員提供了最便利的平臺。

          3.9

          阿斯米塔·萬卡德

          學生 NIT

          對初學者來說這個課程內容也非常棒,也可以學習和理解這門課程,我很高興加入并成功完成了“認證機器學習”課程。非常感謝 Simplilearn!

          4.2

          馬赫什·岡卡

          高級分析師程序員 阿聯酋航空

          Simplilearn對初學者和有經驗的想要從事數據科學工作的人來說,都是一個很好的開始。培訓導師有非常豐富的經驗,在概念和實操方面給了我們詳細講解和指導。通過實際動手的項目練習,我很容易地完成了機器學習的高級課程。

          4.2

          莎拉尼亞奈爾

          簡伯特 業務分析師

          在Simplilearn我學完了 Tableau、R 和 Python 和 machine learning 培訓課程,這些課程對我的職業發展有很大的幫助作用?,F在,我正在攻讀數據科學碩士學位,謝謝Simplilearn!

          日日躁夜夜躁狠狠躁夜夜躁_免费综合三级日本_玖玖玖热在线视频精品99_午夜香蕉app