Neuronové sítě a deep learning v Pythonu
Python
Neuronové sítě
Kurz vás naučí využívat možností deep learning, tedy strojového učení, v Pythonu za pomoci neuronových sítí.
Představíme si kurz, namotivujeme se a nainstalujeme první knihovny pro deep learning (strojové učení) v Pythonu.
Napsal MQ .
V tutoriálu si nainstalujeme prostředí Jupyter, ukážeme si základy potřebné pro tento kurz a spustíme pár řádku Pythonu.
Napsal MQ .
V tutoriálu si představíme lineární regresi, přečteme data s knihovnou Pandas a budeme předpovídat cenu zlata v Pythonu.
Napsal MQ .
V Python tutoriálu si přiblížíme gradientní metodu optimalizace a pomocí zjednodušeného řešení optimalizujeme linearní regresi.
Napsal MQ .
V tutoriálu si představíme polynomiální regresi a porovnáme předpověď ceny zlata s lineární regresí a druhy strojového učení v Pythonu.
Napsal MQ .
V Python tutoriálu si představíme první klasifikační algoritmus K-NN, jak funguje a proč je tak efektivní.
Napsal MQ .
V Python tutoriálu si napíšeme vlastní KNN algoritmus, tím si utvrdíme znalosti z minulé lekce a lépe pochopíme jak funguje.
Napsal MQ .
Lekce 8
Rozhodovací stromy v Pythonu
V Python tutoriálu si představíme rozhodovací stromy a na jakém principu fungují. Jeden klasifikační strom si vytvoříme a otestujeme na Iris datasetu.
Napsal MQ .
V Python tutoriálu se podíváme na les rozhodovacích stromů a otestujeme ho na Iris dataset. Zjistíme tak, že celý les je moudřejší než sebemoudřejší strom.
Napsal MQ .
V Python tutoriálu si představíme algoritmus K-Means z rodiny algoritmů Učení bez dohledu. Rozdělíme si pomocí něj Iris dataset a otestujeme jeho přesnost.
Napsal MQ .
V Python tutoriálu si představíme algoritmus Support Vector Machine a budeme pomocí něj klasifikovat čísla na obrázcích.
Napsal MQ .