Dari "supervised itu apa" sampai SHAP, K-means, sistem rekomendasi, dan forecasting.
Python
scikit-learn
pandas
NumPyInti dari platform ini. Bab-bab yang berurutan: apa yang sebenarnya dipelajari sebuah model, cara membagi data tanpa membohongi diri sendiri, cara melatih dan mengevaluasi, lima keluarga algoritma yang benar-benar dipakai di industri, cara menjelaskan kenapa modelnya memutuskan begitu, pembelajaran tanpa label, lalu dua penerapan yang paling sering diminta di pekerjaan: sistem rekomendasi (demografis, berbasis konten, kolaboratif) dan forecasting deret waktu (exponential smoothing, ARIMA, Prophet). Setiap bab punya widget yang bisa digeser, karena batas keputusan KNN pada k = 3 dan k = 25 adalah hal yang harus dilihat, bukan dibaca.
Baca pelajaran gratis: Supervised, Unsupervised, ReinforcementSetiap modul dan pelajaran di jalur ini. Pelajaran bertanda gratis terbuka untuk semua; sisanya terbuka setelah Anda memiliki jalurnya.
Semua pelajaran di jalur ini, lengkap dengan ringkasannyaTiga jenis pembelajaran, dan dua cara membedakan data yang menentukan hampir semua keputusan berikutnya.
Sebelum algoritma apa pun. Split yang salah menghasilkan angka bagus yang bohong.
Cara melatih, cara mengukur dengan metrik yang benar, dan satu trade-off yang menjelaskan hampir semua kegagalan model.
Algoritma yang tidak belajar apa pun, dan justru karena itu ia mengajarkan banyak hal.
Cari batas yang paling lebar jaraknya ke kedua kelas. Sederhana, dan sangat kuat di dimensi tinggi.
Model tertua, paling mudah dijelaskan, dan masih sering jadi baseline yang sulit dikalahkan.
Namanya regresi, kerjanya klasifikasi. Dan keluarannya probabilitas — yang lebih berguna dari kelas.
Dari satu pohon yang bisa digambar, ke ratusan pohon yang memenangkan hampir semua kompetisi data tabular.
Pekerjaan yang paling sering menentukan hasil, dan paling jarang dibahas di tutorial.
Tiga alat yang menjawab tiga pertanyaan berbeda. Memakai yang salah menghasilkan jawaban yang salah dengan meyakinkan.
Menemukan kelompok tanpa label dengan K-means, dan meringkas banyak kolom menjadi sedikit dengan PCA.
Mengisi sel kosong di matriks pengguna–item dengan tiga cara — segmen demografis, fitur item, dan tetangga yang mirip — lalu mengukur mana yang benar.
Simulasi asli dari pelajarannya — berjalan di browser Anda. Tanpa akun.
Jalur ini bagian dari jalur karier yang lebih besar. Beli seluruh jalur karier sebagai paket dan setiap jalur di dalamnya 40% lebih murah.
