Python pour les débutants utilisant des exemples de projets.

Acheter maintenant

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.