Introdução a Machine Learning em uma Competição do Kaggle

от партнера
В этом Проект с консультациями вы:

Como se familiarizar com conceitos básicos de Machine Learning criando um modelo de predição.

Construa, treine, teste avalia a performance de alguns modelos. 

Realize a submissão da sua primeira solução da competição no Kaggle.

2 horas
Начинающий
Загрузка не требуется
Видео на разделенном экране
Португальский (бразильский)
Только для ПК

Neste curso de 1 hora, com base em projeto, você será capaz de entender como prever quais passageiros sobreviveriam ao naufrágio do Titanic e fazer sua primeira submissão em uma competição de Aprendizado de Máquina dentro da plataforma do Kaggle. Além disso, você, como iniciante em Machine Learning, irá se familiarizar e entender como iniciar um modelo preditivo usando conceitos básicos de aprendizado supervisionado. Vamos escolher classificadores para aprender, prever e testar os dados. Realizaremos uma Análise Exploratória de Dados (também chamada de EDA) para adquirir um bom entendimento sobre os dados que iremos trabalhar. Ao final, você saberá como medir o desempenho de um modelo, e será capaz de enviar seu modelo para a competição e obter uma pontuação do Kaggle. Nota: Este curso funciona melhor para aprendizes de regiões que tem como idioma o Português. Você encontra a versão desse mesmo conteúdo disponível em inglês para aprendizes da América do Norte em: https://www.coursera.org/projects/ml-basics-kaggle-competition Este projeto é indicado para iniciantes em Ciência de Dados que desejam fazer uma aplicação prática usando Aprendizado de Máquina e análise de dados. Para ter sucesso neste projeto é desejado que você tenha conhecimentos básicos em linguagem Python, utilizaremos bibliotecas como Numpy e Pandas. Você também deve previamente ter uma conta Google para utilizar o Google Colab e também uma conta na plataforma Kaggle (ambas sem custo).

Навыки, которые вы получите

  • Aprendizagem de Máquina

  • Machine Learning

  • Python Programming

  • Ciência de Dados

  • Kaggle

Будете учиться пошагово

На видео, которое откроется рядом с рабочей областью, преподаватель объяснит эти шаги:

  1. Introdução ao Kaggle

  2. Análise Exploratória dos Dados (EDA)

  3. Pré processamento I - Analisando Dados Faltantes

  4. Pré-processamento II - Analisando Dados Faltantes

  5. Pré-processamento III - Codificando Dados Categóricos

  6. Dividindo o conjunto de dados em treinamento e teste

  7. Construindo nossos modelos de aprendizado de máquina

  8. Realize a submissão do seu projeto no Kaggle

Как устроены проекты с консультациями

Ваше рабочее пространство — это облачный рабочий стол в браузере. Ничего не нужно загружать.

На разделенном экране видео преподаватель предоставляет пошаговые

Часто задаваемые вопросы

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.

Поскольку ваше рабочее пространство включает облачный рабочий стол, рассчитанный на ноутбук или ПК, проекты с консультациями недоступны на мобильном устройстве.

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.

Вы можете скачать и сохранить любой из созданных файлов своего проекта с рекомендациями. Для этого воспользуйтесь функцией "Обозреватель файлов" на облачном рабочем столе.

Средства за проекты с рекомендациями не возвращаются. Ознакомьтесь с полным текстом нашей политики возврата средств.

Финансовая помощь недоступна для проектов с рекомендациями.

Прослушивание недоступно для проектов с консультациями.

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.

Да, все необходимое для завершения проекта с рекомендациями будет доступно на облачном рабочем столе. Вы сможете открыть этот рабочий стол в браузере.

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.