UDEMY - INTRODUCTION AU MACHINE LEARNING 2017.FR.WEB-DL.720P.H264

seeders: 11
leechers: 0
Added 4 years ago by Fares24 in Other

Download Fast Safe Anonymous
movies, software, shows...

Files

UDEMY - INTRODUCTION AU MACHINE LEARNING 2017.FR.WEB-DL.720P.H264 (Size: 6.45 GB)
  1. Start Here
  1. Introduction.mp4 90.41 MB
  2. Installer Anaconda (Python).mp4 85.95 MB
  10. SVM
  1. Intuition.mp4 104.62 MB
  2. Implémentation.mp4 224.07 MB
  2.1 SVM
  2.1 SVM
  SVM
  Social_Network_Ads.csv 10.67 KB
  svm.py 1.7 KB
  __MACOSX
  SVM
  ._Social_Network_Ads.csv 525 B
  ._svm.py 210 B
  11. Kernel SVM
  1. Intuition - Step 1.mp4 36.72 MB
  2. Intuition - Step 2.mp4 76.16 MB
  3. Intuition - Step 3.mp4 140.78 MB
  4. Intuition - Step 4.mp4 22.53 MB
  5. Implémentation.mp4 197.33 MB
  5.1 Kernel_SVM
  5.1 Kernel_SVM
  Kernel_SVM
  Social_Network_Ads.csv 10.67 KB
  kernel_svm.py 1.7 KB
  __MACOSX
  Kernel_SVM
  ._Social_Network_Ads.csv 525 B
  ._kernel_svm.py 210 B
  12. Evaluation des modèles de Classification
  1. Le paradoxe de la précision.mp4 22.64 MB
  2. CAP curve.mp4 100.5 MB
  3. Evaluer la CAP curve.mp4 103.89 MB
  13. ---------------------------- Partie 4 - Clustering ----------------------------
  1. Bienvenue à la Partie 4 - Clustering.html 726 B
  14. K-Means
  1. Intuition - Step 1.mp4 103.67 MB
  2. Intuition - Step 2.mp4 49.07 MB
  3. Intuition - Step 3.mp4 111.23 MB
  4. Implémentation - Step 1.mp4 183.69 MB
  4.1 K_Means
  4.1 K_Means
  K_Means
  Mall_Customers.csv 4.19 KB
  k_means.py 1.3 KB
  __MACOSX
  K_Means
  ._Mall_Customers.csv 474 B
  ._k_means.py 210 B
  5. Implémentation - Step 2.mp4 231.62 MB
  6. Implémentation - Step 3.mp4 138.17 MB
  7. Implémentation - Step 4.mp4 244.14 MB
  2. ------------------------ Partie 1 - Data Preprocessing ------------------------
  1. ​Bienvenue à la Partie 1 - Data Preprocessing.html 488 B
  1.1 Data_Preprocessing
  1.1 Data_Preprocessing
  Data_Preprocessing
  Data.csv 226 B
  data_preprocessing.py 1.13 KB
  __MACOSX
  Data_Preprocessing
  ._Data.csv 568 B
  ._data_preprocessing.py 210 B
  2. Importer les librairies.mp4 62.72 MB
  3. Importer le dataset.mp4 170.68 MB
  4. Gérer les données manquantes.mp4 212.03 MB
  5. Gérer les variables catégoriques.mp4 296.94 MB
  6. Diviser le dataset entre le Training set et le Test set.mp4 189 MB
  7. Appliquer Feature Scaling.mp4 230.49 MB
  3. ---------------------------- Partie 2 - Régression ----------------------------
  1. Bienvenue à la Partie 2 - Régression.html 620 B
  4. Régression Linéaire Simple
  1. Intuition - Step 1.mp4 48.98 MB
  2. Intuition - Step 2.mp4 25.77 MB
  3. Implémentation - Step 1.mp4 141.89 MB
  3.1 Regression_Lineaire_Simple
  3.1 Regression_Lineaire_Simple
  Regression_Lineaire_Simple
  Salary_Data.csv 454 B
  regression_lineaire_simple.py 920 B
  __MACOSX
  Regression_Lineaire_Simple
  ._Salary_Data.csv 377 B
  ._regression_lineaire_simple.py 210 B
  4. Implémentation - Step 2.mp4 81.43 MB
  5. Implémentation - Step 3.mp4 126.41 MB
  6. Implémentation - Step 4.mp4 142.32 MB
  5. Régression Linéaire Multiple
  1. Intuition - Step 1.mp4 16.47 MB
  2. Intuition - Step 2.mp4 12.35 MB
  3. Intuition - Step 3.mp4 132.7 MB
  4. Intuition - Step 4.mp4 55.21 MB
  5. Intuition - Step 5.mp4 208.17 MB
  6. Implémentation - Step 1.mp4 274.2 MB
  6.1 Regression_Lineaire_Multiple
  6.1 Regression_Lineaire_Multiple
  Regression_Lineaire_Multiple
  50_Startups.csv 2.38 KB
  regression_lineaire_multiple.py 1 KB
  __MACOSX
  Regression_Lineaire_Multiple
  ._50_Startups.csv 576 B
  ._regression_lineaire_multiple.py 210 B
  7. Implémentation - Step 2.mp4 277.8 MB
  6. Régression Polynomiale
  1. Intuition.mp4 30.94 MB
  2. Implémentation - Step 1.mp4 133.51 MB
  2.1 Regression_Polynomiale
  2.1 Regression_Polynomiale
  Regression_Polynomiale
  Position_Salaries.csv 246 B
  regression_polynomiale.py 1.1 KB
  __MACOSX
  Regression_Polynomiale
  ._Position_Salaries.csv 521 B
  ._regression_polynomiale.py 210 B
  3. Implémentation - Step 2.mp4 137.42 MB
  4. Implémentation - Step 3.mp4 68.07 MB
  7. Evaluation des modèles de Régression
  1. R Squared.mp4 57.83 MB
  2. Adjusted R Squared.mp4 81.99 MB
  8. -------------------------- Partie 3 - Classification --------------------------
  1. Bienvenue à la Partie 3 - Classification.html 762 B
  9. Régression Logistique
  1. Intuition.mp4 151.01 MB
  2. Implémentation - Step 1.mp4 265.86 MB
  2.1 Regression_Logistique
  2.1 Regression_Logistique
  Regression_Logistique
  Social_Network_Ads.csv 10.67 KB
  regression_logistique.py 1.74 KB
  __MACOSX
  Regression_Logistique
  ._Social_Network_Ads.csv 525 B
  ._regression_logistique.py 210 B
  3. Implémentation - Step 2.mp4 110.94 MB
  4. False Positives & False Negatives.mp4 75.38 MB
  5. Matrice de confusion.mp4 44.49 MB
  6. Implémentation - Step 3.mp4 194.08 MB
  7. Implémentation - Step 4.mp4 284.46 MB

Description


?

Udemy - Introduction au Machine Learning 2017 [Français]


images.jpg?042148


13122709160914246511848872.png

Éditeur : Udemy.com
Date de mise en ligne : 2017
Genre : Formation
Durée : 7 h 0 min

Format : MP4
Qualité : WEB-DL 720p
Codec Audio : AAC LC 2.0 à 317 kb/s
Codec Vidéo : AVC à 1520 kb/s

Langue : Français

Taille totale : 6.46 GB
Nombre de fichiers : 87

13122709160814246511848871.png

Introduction au Machine Learning

Apprenez à créer sur Python des modèles de Machine Learning puissants et créateurs de valeur. Templates de codes inclus.

Ce que vous apprendrez

Avoir la bonne intuition du Machine Learning
Implémenter des modèles de Machine Learning sur Python
Créer de la valeur ajoutée dans des problèmes business grâce au Machine Learning
Faire des prédictions précises
Faire du clustering
Gérer et tirer des insights des données


Prérequis

Simplement les maths du niveau lycée


Description


              Intéressé par le domaine du Machine Learning ? Alors ce cours est fait pour vous !?

Ce cours a été conçu par deux data scientists professionnels qui partagent leur expertise pour vous aider à intégrer la parfaite intuition des modèles de Machine Learning et vous donner les compétences pour implémenter ces modèles.Tout se fera step by step de sorte que vous développiez votre compréhension du Machine Learning de manière clair et progressive. Chaque tutoriel vous fera acquérir une nouvelle compétence et de nouvelles bases solides. Nous construirons des modèles pour résoudre des problèmes business basés sur des scénarios du monde réel. Vous apprendrez comment tirer profit du Machine Learning pour créer de la valeur ajoutée dans ces problèmes business.


Ce cours est divisé en 4 parties, chacune correspondant à une branche fondamentale du Machine Learning:

  • Partie 1 - Data Preprocessing: pour bien préparer les données de sorte à faciliter l'apprentissage du modèle.
  • Partie 2 - Régression: pour prédire une valeur réelle continue.
  • Partie 3 - Classification: pour prédire une catégorie.
  • Partie 4 - Clustering: pour identifier des segments d'observations groupées par similarité.

Et en bonus, ce cours inclut tous les templates de code d'implémentation des modèles de Machine Learning dans le cas général, de sorte que vous puissiez les utiliser très facilement sur vos datasets.


À qui ce cours s'adresse-t-il ?


Toute personne intéressée par le Machine Learning
Toute personne intéressée par l'Intelligence Artificielle
Toute personne visant une carrière de data scientist
Toute personne souhaitant faire la différence en acquérant la compétence "Machine Learning"





Un petit remerciement fait toujours plaisir

?

Related Torrents

torrent name size uploader age seed leech
9
3
24
3
3