* Cantinho Satkeys

Refresh History
  • JPratas: try65hytr Pessoal  4tj97u<z classic k7y8j0
    11 de Julho de 2025, 03:54
  • FELISCUNHA: ghyt74  pessoal   49E09B4F
    10 de Julho de 2025, 10:40
  • j.s.: dgtgtr a todos  4tj97u<z
    07 de Julho de 2025, 13:50
  • FELISCUNHA: Votos de um santo domingo para todo o auditório  4tj97u<z
    06 de Julho de 2025, 11:43
  • j.s.: [link]
    05 de Julho de 2025, 16:31
  • j.s.: dgtgtr a todos  4tj97u<z
    05 de Julho de 2025, 16:31
  • j.s.: h7t45 ao convidado de Honra batatinha pela sua ajuda
    05 de Julho de 2025, 16:30
  • FELISCUNHA: ghyt74  pessoal   4tj97u<z
    04 de Julho de 2025, 11:58
  • JPratas: dgtgtr Pessoal  101041 Vamos Todos Ajudar na Manutenção do Forum, Basta 1 Euro a Cada Um  43e5r6
    03 de Julho de 2025, 19:02
  • cereal killa: Todos os anos e preciso sempre a pedir esmolas e um simples gesto de nem que seja 1€ que fosse dividido por alguns ajudava, uma coisa e certa mesmo continuando isto vai levar volta a como se tem acesso aos tópicos, nunca se quis implementar esta ideia mas quem não contribuir e basta 1 € por ano não terá acesso a sacar nada, vamos ver desenrolar disto mais ate dia 7,finalmente um agradecimento em nome do satkeys a quem já fez a sua doação, obrigada
    03 de Julho de 2025, 15:07
  • m1957: Por favor! Uma pequena ajuda, não deixem que o fórum ecerre. Obrigado!
    03 de Julho de 2025, 01:10
  • j.s.: [link]
    02 de Julho de 2025, 21:09
  • j.s.: h7t45 ao membro anónimo pela sua ajuda  49E09B4F
    02 de Julho de 2025, 21:09
  • j.s.: dgtgtr a todos  4tj97u<z
    01 de Julho de 2025, 17:18
  • FELISCUNHA: Votos de um santo domingo para todo o auditório  4tj97u<z
    29 de Junho de 2025, 11:59
  • m1957: Foi de boa vontade!
    28 de Junho de 2025, 00:39
  • j.s.: passem f.v. por aqui [link]    h7t45
    27 de Junho de 2025, 17:20
  • j.s.: renovamos o nosso pedido para uma pequena ajuda para pagemento  do nosso forum
    27 de Junho de 2025, 17:19
  • j.s.: h7t45 aos convidados de honra Felizcunha e M1957 pela ajuda
    27 de Junho de 2025, 17:15
  • j.s.: dgtgtr a todos  4tj97u<z
    27 de Junho de 2025, 17:13

Autor Tópico: Machine Learning for Software Engineers  (Lida 152 vezes)

0 Membros e 1 Visitante estão a ver este tópico.

Offline mitsumi

  • Sub-Administrador
  • ****
  • Mensagens: 121842
  • Karma: +0/-0
Machine Learning for Software Engineers
« em: 14 de Julho de 2021, 16:07 »

Genre: eLearning | MP4 | Video: h264, 1280x720 | Audio: AAC, 48.0 KHz
Language: English | Size: 5.96 GB | Duration: 11h 30m
A Practical Approach

What you'll learn
Theory and practicals of Regression
Theory and practicals of Classification
Theory and practicals of Clustering
Exploratory Data Analysis techniques

Description
This course has been put together by a team of experienced teaching professionals and industry experts in machine learning.

We aim to offer software engineers and those with some coding experience an introduction to the main concepts of machine learning.

We take a very practical approach, mixing theory videos and practical videos, with all code and jupyter notebooks used throughout the course being available for download. We begin with Regression, then Exploratory Data Analysis, before moving on to Classification and Clustering.

Not only will you learn how to build models, you'll also learn the correct ways to evaluate your data, identify problems and validate the correctness of your models.

At the end of this course you will be able to:

Analyse a new set of data using Exploratory Data Analysis

Generate summary statistics and visualisations

Identify outliers and be able to handle missing data

Be able to use: jupyter, pandas, seaborn, matDescriptionlib, scipy, imblearn

Build Linear Regression models - Ordinary Least Squares

Build Non-Linear Regression models - SVM, Decision Trees, Random Forest

Build Classification models - K-Nearest Neighbour, Approximate KNN, Naive Bayes

Build Clustering models - K-means, Gaussian Mixture Models, Agglomerative Clustering, DBSCAN

Data resampling techniques, dummy classifiers & k-fold validation, Pipelines

Data encoding techniques - One-hot Encoding, Target Encoding, Binary Encoding

This course includes:

Over 11 hours of video content

17 downloadable resources

17 practical assignments in jupyter notebooks

Reference Materials & further reading

Who this course is for:
Coders who are looking to learn or brush up on some practical Machine Learning skills
Developers who are interested in Machine Learning
Developers who are interested in Data Science

Screenshots


Download link:
Só visivel para registados e com resposta ao tópico.

Only visible to registered and with a reply to the topic.

Links are Interchangeable - No Password - Single Extraction