Připravte se na pohovor z oblasti strojového učení

Přemýšleli jste někdy, jak se správně připravit na pohovor v oblasti strojového učení? V tomto kurzu si připravíš odpovědi na 15 běžných otázek z pohovorů na Machine Learning (ML) v Pythonu pro pozici datového vědce.

Tyto otázky se budou točit kolem sedmi důležitých témat: předzpracování dat, vizualizace dat, učení s učitelem, učení bez učitele, skládání modelů, výběr modelu a vyhodnocování modelu.

Obnovte své znalosti strojového učení

Začnete prací na otázkách předzpracování dat a vizualizace dat. Po provedení všech kroků předzpracování vytvoříš prediktivní ML model, abys zdokonalil své praktické dovednosti.

Dále se seznámíte s několika technikami řízeného učení, než přejdete k neučenému učení. V závislosti na pozici budete pravděpodobně v pohovoru na strojové učení probírat obě témata.

Nakonec zakončíš tím, že se budeš věnovat výběru a vyhodnocování modelu, podíváš se na to, jak hodnotit výkon pro generalizaci modelu, a prozkoumáš různé techniky při vytváření ensemble modelu.

Procvičte si odpovědi na nejčastější otázky z pohovorů o strojovém učení

Na konci kurzu budeš mít jak potřebné teoretické základy, tak i schopnost vyvíjet kód v Pythonu, abys úspěšně zodpověděl/a těchto 15 otázek.

Příklady kódování budou převážně založeny na balíčku scikit-learn, a to díky jeho snadnému použití a schopnosti pokrýt nejdůležitější techniky strojového učení v jazyce Python.

Kurz neučí základy strojového učení, protože jsou pokryty v předpokladech kurzu.

Random Forest vs Gradient Boosting

Procvičování otázek k pohovorům z oblasti Machine Learning v Pythonu

Interaktivní praktické cvičení