Development Online Course by Udemy, On Sale Here
Aprenda passo a passo como trabalhar com bases de dados de agrupamento e associao voltados a desafios reais no Python
An excellent training about Data Science
Machine Learning para Competies Kaggle – Curso 2
As competies de Cincia de Dados como aquelas postadas na plataforma Kaggle so uma tima maneira de testar as habilidades adquiridas em cursos iniciais, e ainda aprender novas habilidades necessrias para resolver problemas reais. Entretanto, fazer essa transio entre um ambiente educacional e aquele que encontramos no Kaggle, que imita os desafios que devemos encontrar no mercado de trabalho, tende a ser um degrau muito grande, pois a natureza dos dados e dos problemas propostos aumenta de complexidade num nvel que os cursos bsicos no contemplam. Pensando nisso, este curso tem o objetivo de preencher essa lacuna na formao dos cientistas de dados, mostrando detalhadamente como abordar os desafios, passando pelas fases de explorao e tratamento de dados, escolha de abordagem de soluo, construo de um modelo, treinamento e validao. O entendimento desse processo o primeiro passo para que os competidores possam desenvolver melhorias e comear sua escalada rumo ao topo dos rankings. Neste curso focaremos em duas das principais tarefas da aprendizagem de mquina no supervisionada: agrupamento e associaoCom relao ao agrupamento, vamos trabalhar com uma base de dados do jogo FIFA Soccer 2019 e usar as caractersticas tcnicas de cada jogador, juntamente com a altura e peso para agrup-los em um perfil tcnico. Investigaremos as relaes entre estes perfis e as posies originais dos jogadores utilizando o algoritmo k-means e a biblioteca sklearnNo que se refere a associao, vamos explorar o extenso conjunto de dados Instacart Market Basket Analysis com mais de 3 milhes de transaes de supermercado, compreendendo uma enorme variedade de produtos de diferentes departamentos. Faremos a gerao de regras de associao com base em duas colees de dados: hbitos de compra (dia e hora, intervalo entre pedidos) e associao de produtos (quais produtos tendem a ser vendidos juntos). Usaremos duas abordagens: na primeira vamos usar a biblioteca apyori para gerao das regras, enquanto que na segunda faremos a implementao do zero do algoritmo apriori! Vamos desenvolver todos os cdigos utilizando a linguagem Python linha por linha com o Google Colab, de forma que voc entenda todas as anlises necessrias para participar dessas competies!
Udemy is the leading global marketplace for learning and instruction
By connecting students all over the world to the best instructors, Udemy is helping individuals reach their goals and pursue their dreams.
Study anytime, anywhere.
Reviews
There are no reviews yet.