国外课栈 - 国外电子信息技术视频教程、电子书和博文栈
数据分析和机器学习基础
数据分析和机器学习基础
类别 : 视频教程
格式 : MP4
订阅须知  订阅
概述

数据分析和机器学习基础

全世界几乎每家公司都在评估其数字化战略,并寻找利用数字化前景的方法。大数据分析和机器学习是此策略的核心。几乎每个行业的管理人员,数字架构师,IT管理员和运营电信(OT)专业人员都必须了解数据处理和人工智能的基础知识。

在数据分析和机器学习基础课程中,经验丰富的CCIE成员Robert Barton和Jerome Henry提供了超过7 1/2个小时的个人指导,以探索大数据分析,监督学习,无监督学习和神经网络的原理。除了深入研究基本概念外,Barton和Henry还讨论了不同行业中的大数据示例和机器学习用例,并展示了具有各种功能的最常用工具(例如Hadoop,TensorFlow,Matlab / Octave,R和Python)的演示。数据科学家和研究人员使用的领域。

在本视频课程结束时,您将掌握熟练掌握大数据分析和机器学习原理以及可能所需的知识和应用技能。

涵盖内容:

  • 了解如何收集,分析和使用静态和实时流数据
  • 了解使机器能够学习和模仿人类思维的关键工具和方法
  • 将非结构化数据整合在一起为分析和可视化做准备
  • 比较和对比各种大数据架构
  • 在机器上应用监督学习/线性回归,数据拟合和强化学习,以产生所需的信息结果
  • 在机器学习中应用分类技术,以更好地进行分析数据
  • 利用无监督学习的好处来收集甚至不知道要查找的数据
  • 了解人工神经网络(ANN)如何以令人惊讶(有用)的结果执行深度学习
  • 应用主成分分析(PCA)改善数据分析的管理
  • 了解在实际系统上实施机器学习的关键方法以及您的注意事项进行机器学习项目时必须完成的

第1课“大数据分析概述”介绍了整个大数据领域。在这里,您将了解什么是大数据以及如何将其与传统关系数据库系统中存储的数据类型进行对比。您将检查大数据管理系统的独特需求,并确切了解数据分析师和数据科学家的角色。

第2课“机器学习概述”提供了30,000英尺的机器学习世界的概述,并为接下来的视频课程奠定了基础。本课讨论人工智能和机器学习的各个家族,以及它们与大数据分析世界的关系。

第3课“大数据分析的基本概念”将带您进入大数据管理系统的世界。在本课程中,您将了解连接到数据,准备数据并最终将其移入数据湖所需的条件,然后可以通过ML算法对其进行分析然后将其可视化。本课还将介绍一些主要的数据分析类别。这包括对一些流行的实时流分析框架进行调查,并分析该分析分支如何工作以及如何与更传统的数据管理系统接口。

第4课“大数据架构”深入研究了最著名的大数据管理系统之一Hadoop。您将看到Hadoop如何存储数据以及处理引擎MapReduce实际如何工作。本课还将探讨YARN(通常称为第二代Hadoop)如何将生态系统开放给其他开放源代码框架进行机器学习。

第5课“回归”跳入了机器学习技术的力学,数学和编程领域,从所谓的监督学习及其最著名的代表线性回归开始。您无需成为数学家或计算机程序员即可了解本课程以及后续课程,但是您将学习一些工具以真正了解机器学习的作用以及其学习方式,因此您可以自己解释或实施这些技术。

第6课“分类”更深入,研究了一些情况,您只是要求机器帮助您按组分组数据:这些樱桃是否成熟?这个神秘的蛋糕是松饼还是其他?下一位顾客是否可能从您的商店购买产品?这是本课要解决的问题类型,包括分类技术(例如Sigmoid函数和支持向量机)以及一种称为随机森林的技术。

第7课“无监督学习”探讨了您不知道答案的问题。有一些数据,您希望机器帮助您了解有关此数据的知识。这种技术称为无监督学习,因为您无法做很多事情来帮助机器在数据中找到有用的信息。但是,机器可以帮助您找到模式,相似的事物,这就是无监督学习的目的。本课将学习K-means,DBSCAN和其他一些无监督技术,照常为您提供原理,数学的某些元素以及一些实现示例以指导您。

第8课“深度学习”涵盖了深度学习和神经网络。这些名称在媒体上大肆宣传,在本课程中,您将学习它们的真正作用,它们的真正作用以及成功的原因,因此您可以开始实现人工神经网络和卷积网络,以识别图像和其他事物。

第9课“高级算法”探讨了一些先进的机器学习算法,这些算法旨在解决数据科学家面临的两个关键问题:如何处理大量维度的数据,以及如何在仅拥有数据的情况下训练模型少量数据。本课探讨主成分分析算法和贝叶斯推理或统计学习。

第10课“部署注意事项和未来方向”概述了实现ML项目所需的知识。本课探讨了一些常见和流行的框架,包括TensorFlow和Pytorch,以及如何通过探索使用图形处理器单元或GPU的硬件加速技术在物理硬件上实现ML工作负载。本课程结束了视频课程,并展望了AI和ML的未来发展方向,并简要介绍了未来的发展方向。

Data Analytics,Machine Learning