TensorFlow pour débutants : applications concrètes

Name: TensorFlow pour débutants : applications concrètes
Author: Josh Turner

Apprenez à résoudre des problèmes du monde réel à l'aide de techniques d'apprentissage automatique telles que la classification, le traitement des données Pandas et la visualisation Seaborn.

Preview the first lesson free — get full access to all 4 lessons.

Demander une démo Se connecter

Cours : à la demande

Bonjour, je m'appelle Josh Turner. Dans ces leçons, vous découvrirez des problèmes du monde réel. Commençons. Dans cette leçon, nous discuterons de problèmes financiers réels, la biologie et l'ingénierie, et comment nous pouvons utiliser l'apprentissage automatique dans chacun de ces domaines. Le premier domaine dont nous devrions discuter en matière de réalité -Le problème mondial, c'est la finance. En finance, vous pouvez rencontrer de nombreux types de problèmes différents. Deux problèmes courants que vous pourriez rencontrer sont le taux de désabonnement et les ventes. moulage forcé. Le taux de désabonnement est le processus consistant à comprendre si oui ou non, par exemple, un client cesse d'utiliser son carte de crédit ou pas. A titre d'exemple, vous pouvez utiliser la classification pour résoudre problèmes de désabonnement. La prévision des ventes est la prévision des ventes dans le avenir. Nous pouvons utiliser la régression pour faire des prévisions de ventes. Une fois que nous aurons discuté de quelques exemples en finance, peut-être vous êtes intéressé par quelque chose de différent comme, par exemple, la biologie. En biologie, on peut utiliser la classification pour classer différents types d'espèces ou leurs habitats, par exemple. Et nous pouvons utiliser la régression et d'autres types de statistiques des modèles pour des choses comme le comportement compétitif. Enfin, peut-être que vous aimez les problèmes d’ingénierie. En ingénierie, on retrouve différents types de machines problèmes d'apprentissage. Nous pourrions utiliser la classification pour l'analyse contrainte-déformation ou prédictions, et nous pourrions utiliser différents apprentissages automatiques problèmes ou problèmes statistiques en cas de panne mécanique. Ce ne sont là que quelques-uns des problèmes que l'on rencontre dans la réalité. monde. Merci d'avoir regardé. Restez à l'écoute la prochaine fois lorsque nous téléchargerons notre propre vrai -ensemble de données de classification mondiale.

Débutant Fournisseur : Josh Turner 4 leçons · 18m en Arabe, Allemand, Anglais, Espagnol, Français, Portugais, Chinese

Description du cours

Dans ces leçons, vous apprendrez à appliquer des techniques d'apprentissage automatique pour résoudre des problèmes complexes du monde réel dans divers domaines tels que la finance et la biologie. Vous découvrirez les modèles de classification et la façon dont ils peuvent être utilisés pour résoudre des problèmes tels que l'analyse des contraintes/déformations pour un barrage, à titre d'exemple notable. Vous découvrirez également comment utiliser Pandas pour le traitement des données et Seaborn pour une visualisation flexible des données, vous permettant d'analyser et d'interpréter efficacement de grands ensembles de données.

En outre, vous allez explorer comment créer des jeux de données d'apprentissage et de test à l'aide de la fonction train_test_split() et évaluer les performances du modèle à l'aide de métriques telles que la précision ainsi que les matrices de confusion.

En vous familiarisant avec des techniques telles que la classification, le traitement des données Pandas et la visualisation Seaborn, vous améliorerez considérablement vos capacités du monde réel dans de multiples industries et domaines de pratique.

Ce que vous allez apprendre

Appliquer des techniques d'apprentissage automatique pour résoudre des problèmes réels dans des domaines tels que la finance et la biologie
Construire et appliquer des modèles de classification à des défis tels que l'analyse des contraintes/déformations d'un barrage, et interpréter les résultats
Traiter et analyser de grands ensembles de données à l'aide de Pandas
Visualiser les modèles et les relations des données à l'aide de Seaborn
Créer des ensembles de données de formation et de test à l'aide de la fonction train_test_split()
Évaluer les performances du modèle à l'aide de métriques telles que l'exactitude et les matrices de confusion

Points clés à retenir

Les techniques d'apprentissage automatique peuvent être appliquées pour résoudre des problèmes réels complexes dans des domaines tels que la finance et la biologie.
Les modèles de classification peuvent relever des défis tels que l'analyse des contraintes/déformations d'un barrage.
Pandas permet un traitement, une analyse et une interprétation efficaces de grands ensembles de données.
Seaborn offre une visualisation flexible des données pour explorer les modèles et les relations des données.
Les performances du modèle peuvent être évaluées à l'aide de métriques telles que l'exactitude et les matrices de confusion, avec des ensembles de données divisés via la fonction train_test_split().

Foire aux questions

Que vais-je apprendre dans ce cours ?

Vous apprendrez à appliquer des techniques d'apprentissage automatique à des problèmes réels, à construire et à interpréter des modèles de classification, à traiter des données avec Pandas et à visualiser des données à l'aide de Seaborn. Le cours couvre également la création d'ensemsembles de données de formation et de test avec train_test_split() et l'évaluation des modèles à l'aide de l'exactitude et des matrices de confusion.

Quel exemple concret le cours utilise-t-il pour la classification ?

Il utilise l'analyse des contraintes/déformations d'un barrage comme exemple notable d'application de modèles de classification à des défis réels.

Quels outils et compétences ce cours couvre-t-il ?

Le cours couvre TensorFlow, l'apprentissage automatique et les méthodes d'apprentissage automatique, la formation de modèles d'apprentissage automatique, les ensembles de données de formation, Pandas pour le traitement des données, Seaborn pour la visualisation et Azure Machine Learning.

Quels sujets sont couverts dans les leçons ?

Les leçons couvrent les Problèmes Réels, l'Ensemble de Données de Classification, la formation d'un modèle et le test de l'ensemble de données de classification.