Registrer deg nå

Logg Inn

Mistet Passord

Mistet passordet ditt? Vennligst skriv inn E-postadressen din. Du vil motta en lenke og opprette et nytt passord via e-post.

Legg til innlegg

Du må logge inn for å legge til innlegget .

Legg til spørsmål

Du må logge inn for å stille et spørsmål.

Logg Inn

Registrer deg nå

Velkommen til Scholarsark.com! Registreringen din gir deg tilgang til å bruke flere funksjoner på denne plattformen. Du kan stille spørsmål, gi bidrag eller gi svar, se profiler til andre brukere og mye mer. Registrer deg nå!

Python for nybegynnere som bruker eksempelprosjekter.

Python for nybegynnere som bruker eksempelprosjekter.

Pris: $19.99

Hva er den beste måten å lære teknologi på , ved å gjøre en PROSJEKT. Det er akkurat det denne opplæringen har til hensikt å gjøre. Dette kurset lærer Python maskinlæring ved hjelp av prosjektbasert tilnærming. Nedenfor er hele pensum for det samme. Glad læring.

Kapittel 1:- Installerer Python-rammeverket og Pycharm IDE.

Kapittel 2:- Opprette og kjøre ditt første Python-prosjekt.

Kapittel 3:- Python skiller mellom store og små bokstaver

Kapittel 4:- Variabler, datatyper, slutning & type()

Kapittel 5:- Python er et dynamisk språk

Kapittel 6:- Kommentarer i python

Kapittel 7:- Opprette funksjon, mellomrom & innrykk

Kapittel 8:- Viktigheten av ny linje

Kapittel 9:- Liste i python, Indeks, Område & Negativ indeksering

Kapittel 10:- For løkker og IF-forhold

Kapittel 11:- PEP, PEP 8, Python-forbedringsforslag

Kapittel 12:- ANDET og ANDRE HVIS

Kapittel 13:- Array vs Python

Kapittel 14:- Lese tekstfiler i Python

Kapittel 15:- Casting og tap av data

Kapittel 16:- Refererer til eksterne biblioteker

Kapittel 17:- Bruk av lineær regresjon ved hjelp av sklearn

Kapittel 18:- Opprette klasser og objekter.

Kapittel 19:- Hva er maskinlæring?

Kapittel 20:- Algoritham og treningsdata.

Kapittel 21:- Vektorer.

Kapittel 22:- Modeller innen maskinlæring.

Kapittel 23:- Funksjoner og etiketter.

Kapittel 24:- Sekk med ord.

Kapittel 25:- Implementering av BOW ved hjelp av SKLearn.

Kapittel 26:- Tilpasningsmetoden.

Kapittel 27:- Stoppord.

Kapittel 28:- Transformasjonsmetoden.

Kapittel 29:- Zip og unzip.

Kapittel 30:- Prosjektartikkel Automatisk merking.

Kapittel 31 :- Forstå automatisk merking av artikler mer detaljert.

Kapittel 32 :- Planlegging av koden for prosjektet.

Kapittel 33 :- Sløyfer gjennom filene i katalogen.

Kapittel 34 :- Leser filen i dokumentsamlingen

Kapittel 35 :- Forstå Vectorizer , Dokumentere og telle arbeider.

Kapittel 36 :- Ringer Fit and Transform for å trekke ut Vocab and Count.

Kapittel 37 :- Forstå tellingen og Vocab-innsamlingsdataene.

Kapittel 38 :- Count og Vocab struktur kompleksitet

Kapittel 39 :- Konvertering av CSR-matrise til COO-matrise

Kapittel 40 :- Opprette BOW-tekstfilen.

Kapittel 41 :- Begrense stoppord.

Kapittel 42 :- Array vs List besøkt på nytt

Kapittel 43 :- Refererer til Numpy og pandaer

Kapittel 44 :- Opprette en numpy array

Kapittel 45 :- Numpy Array vs Normal Python-array

Kapittel 46 :- Hvorfor trenger vi pandaer ?

Kapittel 47 :- Revidere Arrays vs Numpy Array vs Pandas

Kapittel 47 :- Kropp / Dokumenter, Dokument og vilkår.

Kapittel 48 :- Forstå TF

Kapittel 49 :- Forstå IDF

Kapittel 50 :- TF IDF.

Kapittel 51 :- Utføre beregninger av TF IDF.

Kapittel 52 :- Implementering av TF IDF ved hjelp av SkLearn

Kapittel 53 :- IDF-beregning i SkLearn.

Legg igjen et svar