Train Artificial Neural Network models to perform regression tasks
Understand the theory and intuition behind regression models and train them in Scikit Learn
Understand the difference between various regression models KPIs such as MSE, RMSE, MAE, R2, adjusted R2
In this 1.5-hour long project-based course, you will be able to: - Understand the theory and intuition behind Simple and Multiple Linear Regression. - Import Key python libraries, datasets and perform data visualization - Perform exploratory data analysis and standardize the training and testing data. - Train and Evaluate different regression models using Sci-kit Learn library. - Build and train an Artificial Neural Network to perform regression. - Understand the difference between various regression models KPIs such as MSE, RMSE, MAE, R2, and adjusted R2. - Assess the performance of regression models and visualize the performance of the best model using various KPIs.
На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:
Understand the problem statement and business case
Import libraries/datasets and perform data exploration
Perform data visualization
Prepare the data before model training
Train and evaluate a linear regression model
Train and evaluate a decision tree and random forest models
Understand the theory and intuition behind artificial neural networks
Train an artificial neural network to perform regression task
Compare models and calculate regression KPIs
Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.
На разделенном экране видео преподаватель предоставляет пошаговые
You must try, it will give great basic of practice.
Что я получу, приобретя проект с рекомендациями?
Приобретая проект с консультациями, вы получаете все необходимое для его выполнения, включая браузерный доступ к рабочему столу, содержащему папки и программы для начала работы, а также пошаговые видеоинструкции от отраслевого эксперта.
Доступны ли проекты с консультациями на ПК и мобильных устройствах?
Поскольку ваше рабочее пространство включает облачный рабочий стол, рассчитанный на ноутбук или ПК, проекты с консультациями недоступны на мобильном устройстве.
Какие преподаватели ведут проекты с рекомендациями?
Преподаватели, ведущие проект с рекомендациями, — это отраслевые эксперты с навыками, инструментами и пониманием темы, которые хотят разделить свои знания с миллионами учащихся по всему миру.
Можно ли скачать работу из уже завершенного проекта с рекомендациями?
Вы можете скачать и сохранить любой из созданных файлов своего проекта с рекомендациями. Для этого воспользуйтесь функцией "Обозреватель файлов" на облачном рабочем столе.
Какие правила возврата средств?
Средства за проекты с рекомендациями не возвращаются. Ознакомьтесь с полным текстом нашей политики возврата средств.
Можно ли получить финансовую помощь?
Финансовая помощь недоступна для проектов с рекомендациями.
Можно ли прослушать проект с рекомендациями и посмотреть видео бесплатно?
Прослушивание недоступно для проектов с консультациями.
Какие предварительные знания требуются для работы над проектом с рекомендациями?
В верхней части страницы вы можете нажать уровень опыта для этого проекта с консультациями, чтобы просмотреть предварительные требования к знаниями. Преподаватель проведет вас пошагово по каждому уровню проекта с консультациями.
Можно ли выполнить этот проект с рекомендациями в веб-браузере, не устанавливая специальное ПО?
Да, все необходимое для завершения проекта с рекомендациями будет доступно на облачном рабочем столе. Вы сможете открыть этот рабочий стол в браузере.
Как организована учеба на проектах с рекомендациями?
Вы научитесь выполнять задания в режиме разделенного экрана непосредственно в браузере. В левой части экрана можно выполнять задания в своем рабочем пространстве. В правой части экрана можно просматривать пошаговые инструкции преподавателя по работе с проектом.
Остались вопросы? Посетите Центр поддержки учащихся.