Machine Learning #1 (ALAPOK)
Köszöntelek a MACHINE LEARNING #1 tanulási úton!
Ebben a modulban a data science egyik legizgalmasabb ágát kezdheted el megtanulni -- ez a gépi tanulás (aka. machine learning -- aka. ML.)
Ezen az ML#1 tanulási úton hat olyan anyagot találsz, ami nélkül szinte lehetetlen gépi tanulással foglalkozni vagy később annak az összetettebb koncepcióról beszélni.
Ha úgy tetszik ez egy ML-alapozó, ahol:
megismered a 8 legfontosabb ML modellt (és meg tudod, hogy mikor melyiket kell elővenni)
először részletesen megtanulod a két "belépő" modellt: a lineáris regressziót és a logisztikus regressziót (elmélet + Pythonos megvalósítás)
aztán pedig a két "nagy kedvencet" modellt: a GBM és a RandomForest algókat (elmélet + Pythonos megvalósítás)
végül, de nem utolsó sorban elsajátítod, hogy hogyan kell helyesen és körültekintően kiértékelni az ML modelljeidet (elmélet + Pythonos megvalósítás)
Ha ezzel a tanulási úttal megvagy, akkor nagyon ajánlom, hogy menj tovább az ML#2-re is, ahol komplexebb, de legalább ugyanennyire fontos és hasznos koncepciókat építhetsz majd az itt megszerzett tudásodra!
A tanulási útban 6-ból 5 videóhoz tartozik Jupyter Notebook is (ugye Pythonban sokat fogunk kódolni)... ezt már most is letöltheted egy .zip fájlban:
data-science-klub-ml1-kodLetöltés
...de minden egyes videónál megtalálod őket külön-külön is.
Hajrá, jó tanulást!
👇👇👇👇👇👇👇👇👇👇
