KURS O LINEARNOJ REGRESIJI

Mašinsko učenje 1

Zaronite u svet mašinskog učenja i istražite osnovne koncepte i tehnike linearne regresije

Kurs počinje...odmah!
Sertifikat o završenom kursu i digitalna oznaka
Kurs je odskočna daska za dalji napredak u oblasti mašinskog učenja

Vođen uglednim profesorom Miljanom G. Jeremićem, ovaj kurs obećava da će vas opremiti veštinama i znanjem kako biste efikasno analizirali podatke, pravili predviđanja i razotkrivali složenosti linearnih veza u različitim skupovima podataka.

Kurs će vas naučiti da:

Samostalno rešavate probleme iz stvarnog sveta i primenjujte tehnike mašinskog učenja, sa fokusom na linearnu regresiju, na raznovrsnim skupovima podataka
Koristite Python biblioteke, uključujući Pandas za manipulaciju podacima i SKlearn za linearnu regresiju, kako biste unapredili svoje sposobnosti analize podataka
Tumačite koeficijente vaših modela regresije, stičući uvid u odnose između promenljivih
Koristite Seaborn za vizualizaciju podataka, čime ćete unaprediti svoju sposobnost da efikasno prezentujete i komunicirate svoje rezultate

Pridružite se našem kursu!

Život ne podnosi izgovore, niti toleriše neznanje!

Miljan G. Jeremić

Profesor i doktorand

Upoznajte profesora

Profesor, doktorand

Miljan G. Jeremić

Posvećeni doktorski student specijalizovan za hidroinformatiku na Građevinsko-arhitektonskom fakultetu u Nišu.
Poseduje snažnu strast prema i nastavi i istraživanju, što ga motiviše da unapredi oblast mašinskog učenja.
Autor je nekoliko značajnih radova u oblasti primenjenog mašinskog učenja, doprinoseći znanju i primeni u toj oblasti.
Koristi Scikit-learn biblioteku za obradu neuroslika, ističući svoju praktičnu veštinu u tehnikama mašinskog učenja.
Radi na razvoju dubokih modela učenja posebno prilagođenih za predviđanje hidroloških vremenskih serija.

Profesor Jeremić koristi interaktivni pristup nastavi, sa ciljem da studentima pruži kako teorijsko razumevanje tako i praktične veštine u tehnikama mašinskog učenja. Kurs naglašava praktično učenje, omogućavajući vam da pouzdano primenjujete koncepte regresije i klasifikacije u okruženju Anakonda.

Pridružite se našem kursu!

Cenovnik

Da biste efikasno pratili ovaj kurs, trebalo biste da posedujete:

Osnovne veštine u matematici, posebno u konceptima linearne algebre kao što su determinante i operacije sa matricama
Osnovno razumevanje statistike se preporučuje

Program kursa

Uvod u Python biblioteke za obradu podataka

Predstavljanje Python biblioteka za manipulaciju podacima
Korišćenje Pandas modula za manipulaciju podacima
Uvoz Pyplot modula za vizualizaciju podataka
Početak rada sa grafikonima
Linearna regresija kroz prilagođene metode

Istraživanje linearne regresije kroz prilagođene metode
Kreiranje i treniranje modela
Korišćenje OLS (Obični Najmanji Kvadrati) za regresiju na podacima referentne evapotranspiracije
Seaborn biblioteka, regresija i vizualizacija podataka

Uvod u Seaborn biblioteku za vizualizaciju podataka
Istraživanje tehnika regresije i prikazivanje podataka na grafikonima
Regresija i tumačenje koeficijenata modela

Razumevanje regresije i tumačenje pojedinačnih koeficijenata unutar modela
Vežba sa različitim skupovima podataka korišćenjem regresije

Primenjivanje tehnika regresije na različitim skupovima podataka
Praktične vežbe
Analiza atributa i korelacije vrednosti

Analiza atributa i korelacija vrednosti unutar skupa podataka
SKlearn biblioteka i linearna regresija

Uvod u SKlearn biblioteku i njene mogućnosti linearne regresije
Vežba sa SKlearn za regresiju - Primer

Praktična vežba korišćenja SKlearn za linearnu regresiju
SKlearn biblioteka i višestruka linearna regresija

Istraživanje višestruke linearne regresije korišćenjem SKlearn biblioteke
Vežba višestruke linearne regresije sa SKlearn - Primer

Praktična vežba koja demonstrira višestruku linearnu regresiju korišćenjem SKlearn
Prezentacija podataka, ekstremne vrednosti i grafikoni

Prikazivanje podataka, identifikacija ekstremnih vrednosti i rad sa grafikonima
Logistička regresija

Uvod u logističku regresiju
Logistička regresija sa binarnim ulazima

Primenjivanje logističke regresije na binarne ulaze

Opremite se alatima i znanjem da iskoristite moć linearne regresije u oblasti mašinskog učenja

Upišite se sada i napravite značajan korak ka postizanju veštih
veština analize podataka i entuzijazmu ka mašinskom učenju!

Pridružite se kursu

I AM AI Academy redefiniše obrazovanje nekonvencionalnim i visoko praktičnim pristupom u isporuci znanja.

Spain, 2018-2023
copyright SentienceLab S.C.

Politika privatnosti

iamaiacademy.rs@gmail.com