Registreer nu

Log in

vergeten wachtwoord

Wachtwoord vergeten? Vul alstublieft uw e-mail adres in. U ontvangt een link ontvangen en zal een nieuw wachtwoord via e-mail te creëren.

bericht toevoegen

Je moet inloggen om bericht toe te voegen .

question

U moet inloggen om een ​​vraag te stellen.

Log in

Registreer nu

Welkom bij Scholarsark.com! Uw inschrijving krijgt u toegang te verlenen tot het gebruik van meer kenmerken van dit platform. U kunt vragen stellen, maken bijdragen of antwoorden bieden, bekijk profielen van andere gebruikers en nog veel meer. Registreer nu!

Python voor beginners met voorbeeldprojecten.

Python voor beginners met voorbeeldprojecten.

Prijs: $19.99

Wat is de beste manier om een ​​technologie te leren , door een te doen PROJECT. Dat is precies wat deze tutorial beoogt te doen. Deze cursus leert Python machine learning met behulp van een projectgebaseerde aanpak. Hieronder vindt u de volledige syllabus voor hetzelfde. Gelukkig leren.

Hoofdstuk 1:- Python-framework en Pycharm IDE installeren.

Hoofdstuk 2:- Uw eerste Python-project maken en uitvoeren.

Hoofdstuk 3:- Python is hoofdlettergevoelig

Hoofdstuk 4:- De enige cursus om te communiceren met andere programma's voor meer dan, gegevenstypen, gevolgtrekking & type()

Hoofdstuk 5:- Python is een dynamische taal

Hoofdstuk 6:- Opmerkingen in python

Hoofdstuk 7:- Functie creëren, witruimtes & inspringen

Hoofdstuk 8:- Belang van nieuwe lijn

Hoofdstuk 9:- Lijst in python, Inhoudsopgave, Bereik & Negatieve indexering

Hoofdstuk 10:- Voor lussen en IF-voorwaarden

Hoofdstuk 11:- FUT, FUT 8, Voorstel voor verbetering van Python

Hoofdstuk 12:- ELSE en ANDERS ALS

Hoofdstuk 13:- Array versus Python

Hoofdstuk 14:- Tekstbestanden lezen in Python

Hoofdstuk 15:- Casting en gegevensverlies

Hoofdstuk 16:- Verwijzen naar externe bibliotheken

Hoofdstuk 17:- Lineaire regressie toepassen met behulp van sklearn

Hoofdstuk 18:- Klassen en objecten maken.

Hoofdstuk 19:- Wat is machinaal leren?

Hoofdstuk 20:- Algoritham- en trainingsgegevens.

Hoofdstuk 21:- Vectoren.

Hoofdstuk 22:- Modellen in machinaal leren.

Hoofdstuk 23:- Functies en labels.

Hoofdstuk 24:- Zak met woorden.

Hoofdstuk 25:- BOW implementeren met SKLearn.

Hoofdstuk 26:- De fit-methode.

Hoofdstuk 27:- stopwoorden.

Hoofdstuk 28:- De transformatiemethode.

Hoofdstuk 29:- Zippen en uitpakken.

Hoofdstuk 30:- Autotagging van projectartikelen.

Hoofdstuk 31 :- Autotagging van artikelen in meer detail begrijpen.

Hoofdstuk 32 :- Het plannen van de code van het project.

Hoofdstuk 33 :- Door de bestanden van de map bladeren.

Hoofdstuk 34 :- Lezen van het bestand in de documentenverzameling

Hoofdstuk 35 :- Vectorizer begrijpen , Documenteer en tel werkend.

Hoofdstuk 36 :- Fit en Transform aanroepen om Vocab en Count te extraheren.

Hoofdstuk 37 :- Inzicht in de telling en Vocab-verzamelingsgegevens.

Hoofdstuk 38 :- Tel en Vocab structuurcomplexiteit

Hoofdstuk 39 :- MVO-matrix omzetten naar COO-matrix

Hoofdstuk 40 :- Het BOW-tekstbestand maken.

Hoofdstuk 41 :- Stopwoorden beperken.

Hoofdstuk 42 :- Array versus lijst herzien

Hoofdstuk 43 :- Verwijzend naar Numpy en Panda's

Hoofdstuk 44 :- Een numpy-array maken

Hoofdstuk 45 :- Numpy-array versus normale Python-array

Hoofdstuk 46 :- Waarom hebben we panda's nodig? ?

Hoofdstuk 47 :- Arrays herzien versus Numpy Array versus Panda's

Hoofdstuk 47 :- Lichaam / Deze sectie zal u in detail introduceren over het algemene beeld van QA en zijn team, Document en voorwaarden.

Hoofdstuk 48 :- TF begrijpen

Hoofdstuk 49 :- IDF begrijpen

Hoofdstuk 50 :- TF IDF.

Hoofdstuk 51 :- Berekeningen uitvoeren van TF IDF.

Hoofdstuk 52 :- TF IDF implementeren met SkLearn

Hoofdstuk 53 :- IDF-berekening in SkLearn.

Wat betreft arkadmin

Laat een antwoord achter