or
Bài tập này là một phần của khóa học
Trong chương đầu tiên, bạn sẽ thực hiện tất cả bước tiền xử lý cần thiết để tạo một mô hình machine learning dự đoán, bao gồm cách xử lý giá trị khuyết, ngoại lệ và cách chuẩn hóa bộ dữ liệu.
Trong chương thứ hai, bạn sẽ luyện tập nhiều khía cạnh của các kỹ thuật học có giám sát, như chọn tập con đặc trưng tối ưu, regularization để tránh overfitting, xây dựng đặc trưng và các mô hình ensemble để cân bằng độ chệch–phương sai (bias–variance).
Trong chương thứ ba, bạn sẽ dùng học không giám sát để áp dụng trích xuất đặc trưng và các kỹ thuật trực quan hóa cho giảm chiều dữ liệu, cùng các phương pháp phân cụm để chọn không chỉ thuật toán phân cụm phù hợp mà còn số cụm tối ưu cho một bộ dữ liệu.
Trong chương thứ tư và cuối cùng, bạn sẽ nâng cấp kỹ năng bằng cách áp dụng bootstrapping và cross-validation để đánh giá hiệu năng khái quát hóa của mô hình, kỹ thuật lấy mẫu lại cho các lớp mất cân bằng, phát hiện và loại bỏ đa cộng tuyến, và xây dựng một mô hình ensemble.
Bài tập hiện tại