Python pour les débutants utilisant des exemples de projets.
Prix: $19.99
Quelle est la meilleure façon d'apprendre n'importe quelle technologie , en faisant un PROJET. C'est exactement ce que ce tutoriel a l'intention de faire. Ce cours enseigne l'apprentissage automatique Python en utilisant une approche basée sur des projets. Vous trouverez ci-dessous le programme complet pour le même. Bon apprentissage.
Chapitre 1:- Installation du framework Python et de l'IDE Pycharm.
Chapitre 2:- Créer et exécuter votre premier projet Python.
Chapitre 3:- Python est sensible à la casse
Chapitre 4:- Variables, Types de données, inférence & type()
Chapitre 5:- Python est un langage dynamique
Chapitre 6:- Commentaires en python
Chapitre 7:- Créer une fonction, espaces blancs & échancrure
Chapitre 8:- Importance de la nouvelle ligne
Chapitre 9:- Liste en python, Indice, Gamme & Indexation négative
Chapitre 10:- Pour les boucles et les conditions IF
Chapitre 11:- DYNAMISME, DYNAMISME 8, Proposition d'amélioration de Python
Chapitre 12:- SINON et SINON SI
Chapitre 13:- Tableau contre Python
Chapitre 14:- Lire des fichiers texte en Python
Chapitre 15:- Casting et perte de données
Chapitre 16:- Référencer des bibliothèques externes
Chapitre 17:- Application de la régression linéaire à l'aide de sklearn
Chapitre 18:- Création de classes et d'objets.
Chapitre 19:- Qu'est-ce que l'apprentissage automatique?
Chapitre 20:- Algorithme et données d'entraînement.
Chapitre 21:- Vecteurs.
Chapitre 22:- Modèles en apprentissage automatique.
Chapitre 23:- Caractéristiques et étiquettes.
Chapitre 24:- Sac de mots.
Chapitre 25:- Implémentation de BOW avec SKLearn.
Chapitre 26:- La méthode d'ajustement.
Chapitre 27:- Mots vides.
Chapitre 28:- La méthode de transformation.
Chapitre 29:- Compresser et décompresser.
Chapitre 30:- Balisage automatique de l'article du projet.
Chapitre 31 :- Comprendre le marquage automatique des articles plus en détail.
Chapitre 32 :- Planification du code du projet.
Chapitre 33 :- Boucler dans les fichiers du répertoire.
Chapitre 34 :- Lecture du fichier dans la collection de documents
Chapitre 35 :- Comprendre le vectoriseur , Documenter et compter le travail.
Chapitre 36 :- Appeler Fit et Transform pour extraire Vocab et Count.
Chapitre 37 :- Comprendre les données de comptage et de collecte de vocabulaire.
Chapitre 38 :- Complexité de la structure du nombre et du vocabulaire
Chapitre 39 :- Conversion de la matrice CSR en matrice COO
Chapitre 40 :- Création du fichier texte BOW.
Chapitre 41 :- Restreindre les mots vides.
Chapitre 42 :- Array vs List revisité
Chapitre 43 :- Référencement de Numpy et Pandas
Chapitre 44 :- Création d'un tableau numpy
Chapitre 45 :- Tableau Numpy vs tableau Python normal
Chapitre 46 :- Pourquoi avons-nous besoin de Pandas ?
Chapitre 47 :- Révision des tableaux vs Numpy Array vs Pandas
Chapitre 47 :- Corps / Rôles et responsabilités des membres de l'AQ et de l'équipe, Documents et conditions.
Chapitre 48 :- Comprendre le TF
Chapitre 49 :- Comprendre IDF
Chapitre 50 :- TF Tsahal.
Chapitre 51 :- Effectuer des calculs de TF IDF.
Chapitre 52 :- Implémentation de TF IDF avec SkLearn
Chapitre 53 :- Calcul IDF dans SkLearn.
Laisser une réponse
Vous devez s'identifier ou S'inscrire ajouter un nouveau commentaire .