Учитесь и практикуйтесь
Я делюсь ссылками на статьи, связанные с Python, статистикой, машинным обучением, глубоким обучением и обработкой изображений. Надеюсь, вам пригодятся эти статьи.
Машинное обучение
1. Концепции смещения и дисперсии в наборе данных
2. Полностью объясненная линейная регрессия с Python
3. Полностью объясненная логистическая регрессия с Python
4. Полностью объясненная K- означает кластеризацию с использованием Python
5. Полностью объясненная классификация SVM с помощью Python
6. Полностью объясненная классификация дерева решений с помощью Python
7. Полностью объясненный пример ансамблевого случайного леса с использованием Python
8. Полностью объясненные K-ближайшие соседи с помощью Python
9. Полностью объясненная техника повышения градиента в контролируемом обучении
10. Полностью объясненный алгоритм кластеризации DBScan с использованием Python
11. Полностью объясненная кластеризация BIRCH для выбросов с использованием Python
12. Полностью объясненная иерархическая кластеризация с использованием Python
13. Метрики регрессии и классификации в машинном обучении с использованием Python
14. Матрица неточностей в машинном обучении
15. Алгоритм регрессии для прогнозирования цен на жилье в Python
16. Концепции предварительной обработки данных с помощью Pyt hon
17. Анализ главных компонентов в уменьшении размерности с помощью Python
18. Советы и приемы в машинном обучении с Python, чтобы избежать утечки данных
19. Чтение различных вводимых данных в Машинное обучение с помощью Python
20. Различные стратегии перекрестной проверки разделения данных с помощью Python
21. Matplotlib и визуализация Seaborn с помощью Python
22. Пустой оценщик: краткая концепция в Sklearn
23. Модель классификации диабета с моделями SVM и KNN
24. Очистка данных инвестиционного проекта с помощью Python
25. Различные типы методов кластеризации в обучении без учителя
26. Моделирование данных машинного обучения с помощью Python
27. Выполните моделирование XGBoost, KNN с помощью техники уменьшения размерности
28. Моделирование прочности бетона с помощью 5 алгоритмов машинного обучения
29. Прогноз цены полета со случайным лесом в Python
30. Методы регуляризации лассо (l1) и хребта (l2)
Статистика
1. Проверка гипотез в статистике с примерами
2. Z-статистика, T-статистика, P-статистика все еще вас сбивают с толку?
3. Проверка гипотез хи-квадрат в статистике < br /> 4. Различные типы измерения центральной тенденции
5. Корреляция и ее типы в статистике
6. Пользовательские статистические детали фрейма данных с помощью Python
7. Полностью объясненное Z-распределение на примере Python
8. Полностью объясненное T-распределение на примере Python
9. Полностью объясненное P-распределение на примере Python
Python
1. Python: от нуля до героя с примерами
2. Структуры данных Python Типы данных и объекты
3. Концепции обработки исключений в Python
4. Наследование и его Печатайте с помощью Python
5. Понимание списка как большого O и понимания с помощью примеров Python
6. Функции и их концепции в Python
7. Почему Map (), Filter ( ) И функции Reduce () так популярны?
8. Перегрузка методов и переопределение методов в Python
9. Классы и объекты в Python с примерами
10. Прогулка в Стандартную библиотеку Python с примерами »
11. Концепция ООП в Python
Глубокое обучение
1. Понимание TensorFlow Basic с помощью Python
2. Пошаговое базовое понимание нейронных сетей с Keras в Python
3. Nengo: Генерация сигналов с помощью правила PES на примере Python < br /> 4. Nengo: новый инструмент построения и развертывания нейронных сетей
5. Nengo: как имитировать сетевые сигналы с помощью Python
6. Нейронные сети: рост рекуррентных нейронных сетей.
7. Прогнозирование цен на биткойны с использованием RNN и LSTM в Python
8. Почему LSTM более полезен, чем RNN в глубоком обучении?
9. Классификация автомобильных брендов в глубоком обучении с помощью Python
10. Понимание оптимизаторов в глубоком обучении
11. Понимание основ CNN на примере Keras на Python
Обработка изображений
1. Методы предварительной обработки в обработке изображений с помощью Python
2. Часть II - Методы предварительной обработки в обработке изображений с помощью Python
3. Типы порога обработки двоичных изображений в OpenCV с Python
4. Метод рисования ограничивающей рамки при обработке изображений
Панды и Нумпи
1. Различия между concat (), merge () и join () в Python
2. NumPy: от нуля до героя с Python
3. Основы временных рядов с Python
4. Основы серий и фрейм данных в Pandas с Python
5. Преобразование данных в Python - часть 1
6. Преобразование данных в Python - часть 2
7. Чтение различных вводимых данных в машинном обучении с помощью Python
