Machine Learning #2 (KÖZÉPHALADÓ)
Köszöntelek a MACHINE LEARNING #2 tanulási úton!
Ebben a modulban folytatjuk a gépi tanulás (aka. machine learning -- aka. ML.) tudásunk bővítését!
Az itt elérhető anyagok nagy részben építenek az ML#1 (ALAPOK) tanulási útra, ahol megismerhetted a legfontosabb ML modelleket és azok alkalmazását.
Ez a második szint a "középhaladó" címet kapta, de ez ne tévesszen meg. Az itt elérhető tudásanyagok szintén elemi fontosságúak.
Az első négy anyag:
train-test adathalmazok torzításmentes előállítása
adatelőkészítés (feature engineering) #1
adatelőkészítés (feature engineering) #2
adatelőkészítés (feature engineering) #3
...olyan témák, amelyek alapos ismerete és precíz alkalmazása nélkül valós életben nagyon csúnyán el lehet csúszni. Értsd: ezek nélkül hibás, de legalábbis rosszul teljesítő modelleket tudsz csak építeni.
Sok más "tankönyvszerű" képzésben ezekről még sincs elég szó. Itt viszont olyan szakemberek jöttek el hozzánk, akik hosszú évek/évtizedek óta alkalmazzák ezt a tudást valós projekteken.
Emellett bekerült két olyan anyag is ide, az ML#2-be, amik speciálisabb témákat dolgoznak fel. Ezeket lehet, hogy ritkábban fogod alkalmazni, de amikor szükség van rájuk, akkor viszont muszáj őket ismerni. Szóval ezek sem maradhatnak az ML fegyvertáradból. Íme:
autoML megoldások
klaszterezés (elmélet és gyakorlat)
A tanulási útban minden videóhoz tartozik Jupyter Notebook is (ugye Pythonban sokat fogunk kódolni)... ezt már most is letöltheted egy .zip fájlban:
data-science-klub-ML2-kod_20251211Letöltés
...de minden egyes videónál megtalálod őket külön-külön is.
Hajrá, jó tanulást!
👇👇👇👇👇👇👇👇👇👇
