Przygotuj się do rozmowy kwalifikacyjnej z zakresu uczenia maszynowego

Czy kiedykolwiek zastanawiałeś się, jak właściwie przygotować się do rozmowy kwalifikacyjnej z zakresu Machine Learning? W tym kursie przygotujesz odpowiedzi na 15 najczęściej zadawanych pytań rekrutacyjnych z zakresu Machine Learning (ML) w Pythonie na stanowisko data scientist.

Te pytania będą dotyczyć siedmiu ważnych zagadnień: wstępnego przetwarzania danych, wizualizacji danych, uczenia nadzorowanego, uczenia nienadzorowanego, zespołowania modeli, doboru modeli oraz oceny modeli.

Odśwież swoją wiedzę z zakresu uczenia maszynowego

Zaczniesz od pracy nad pytaniami dotyczącymi wstępnego przetwarzania danych i wizualizacji danych. Po wykonaniu wszystkich kroków wstępnego przetwarzania stworzysz predykcyjny model ML, aby doskonalić swoje praktyczne umiejętności.

Następnie omówisz kilka technik uczenia nadzorowanego, zanim przejdziesz do uczenia nienadzorowanego. W zależności od roli, prawdopodobnie omówisz oba te zagadnienia podczas rozmowy kwalifikacyjnej z zakresu machine learning.

Na koniec omówisz dobór i ocenę modeli, sprawdzając, jak oceniać wydajność pod kątem generalizacji modelu, a także poznasz różne techniki podczas tworzenia modelu zespołowego.

Ćwicz odpowiedzi na najczęściej zadawane pytania podczas rozmów kwalifikacyjnych z zakresu uczenia maszynowego

Pod koniec kursu będziesz posiadać zarówno niezbędne podstawy teoretyczne, jak i umiejętność tworzenia kodu w Pythonie, aby skutecznie odpowiedzieć na te 15 pytań.

Przykłady kodu będą opierać się głównie na pakiecie scikit-learn, ze względu na jego łatwość użycia i możliwość omówienia najważniejszych technik uczenia maszynowego w języku Python.

Kurs nie uczy podstaw uczenia maszynowego, ponieważ są one omówione w wymaganiach wstępnych kursu.

Random Forest kontra Gradient Boosting

Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie

Interaktywne ćwiczenie praktyczne