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.
Laat een antwoord achter
Je moet Log in of registreren om een nieuwe opmerking toe te voegen .