国外课栈 - 国外电子信息技术视频教程、电子书和博文栈
使用Python和Jupyter Notebook进行必要的机器学习和AI
使用Python和Jupyter Notebook进行必要的机器学习和AI
类别 : 视频教程
格式 : MP4
订阅须知  订阅
概述

该8个小时的LiveLesson视频课程显示了如何使用AWS和Google Cloud Platform解决机器学习和AI中的实际业务问题。Noah Gift介绍了如何通过Jupyter Notebook开始使用Python,然后继续深入研究Python中的数据科学库,包括Pandas,Seaborn,scikit-learn和TensorFlow。

EDA或探索性数据分析是机器学习的核心;因此,本系列还着重介绍了如何在Python和Jupyter Notebook中执行EDA。软件工程基础知识将系列与其他内容结合在一起,包括关于插入,测试,命令行工具,数据工程API等的重要说明。

将学到什么

  • 介绍数据科学的概念和机器学习的Python基础
  • 教如何使用Flask和Pandas开发数据工程API
  • 遍历EDA(探索性数据分析)
  • 解释Python和AWS
  • 涵盖Python和Google Cloud Platform

总目录(8时)

介绍

  • 使用Python和Jupyter Notebook进行基本机器学习和AI:简介

第1课:使用Python基础知识介绍数据科学编码

  • 1.1使用IPython,Jupyter和Python REPL
  • 1.2编写程序声明
  • 1.3使用字符串和字符串格式
  • 1.4使用数字和算术运算
  • 1.5与数据结构交互
  • 1.6编写并运行脚本

第2课:编写和应用函数

  • 2.1写函数
  • 2.2利用函数式编程概念
  • 2.3利用惰性求值函数
  • 2.4使用装饰器
  • 2.5使类的行为类似于函数
  • 2.6将函数应用于Pandas DataFrame
  • 2.7使用Python lambdas

第3课:使用Python控件结构

  • 3.1创建循环
  • 3.2使用if / else / break / continue / pass语句
  • 3.3理解try / except
  • 3.4了解生成器表达式
  • 3.5了解列表推导
  • 3.6了解排序
  • 3.7理解Python正则表达式

第4课:用Python编写,使用和部署库

  • 4.1用Python编写和使用库
  • 4.2使用pipenv,pip,virtualenv和conda
  • 4.3将Python代码部署到生产环境

第5课:了解Python类

  • 5.1了解类和函数之间的差异
  • 5.2制作简单对象并与之互动
  • 5.3了解类继承
  • 5.4与特殊类方法交互
  • 5.5创建元类

第6课:Python和Pandas中的IO操作

  • 6.1使用写文件操作
  • 6.2使用读取文件操作
  • 6.3使用序列化技术
  • 6.4使用Pandas DataFrames
  • 6.5将Google表格与Pandas DataFrames配合使用
  • 6.6在Python中使用并发方法
  • 6.7总结

第7课:学习软件木工

  • 7.1构建新的Data Science Github项目布局
  • 7.2使用git和Github管理更改
  • 7.3使用CircleCI和AWS Code Build来构建和测试源自Github的项目
  • 7.4使用静态分析和测试工具:pylint,pytest和coverage
  • 7.5测试Jupyter笔记本

第8课:使用Flask和Pandas创建数据工程API

  • 8.1制作项目布局
  • 8.2布置项目的Makefile
  • 8.3创建用于Pandas汇聚的命令行工具
  • 8.4使插件传递给Pandas
  • 8.5编写Flask API
  • 8.6整合Swagger文档
  • 8.7基准Python项目
  • 8.8整合测试和lint

第9课:了解社交能力NBA EDA和ML项目

  • 9.1社交媒体数据收集
  • 9.2在Pandas中导入和合并DataFrames
  • 9.3了解相关热图和配对图
  • 9.4在Python中使用线性回归
  • 9.5在Python中使用ggplot
  • 9.6使用k均值聚类
  • 9.7将PCA与scikit学习一起使用
  • 9.8在scikit-learn中使用ML分类预测
  • 9.9在scikit-learn中使用ML回归预测
  • 9.10使用Plotly进行交互式数据可视化

第10课:了解中级机器学习

  • 10.1人工智能,机器学习和深度学习概述
  • 10.2大数据
  • 10.3使用推荐系统

第11课:基于Python的AWS Cloud ML和AI管道

  • 11.1使用AWS Web Services
  • 11.2使用Boto
  • 11.3与Chalice一起使用AWS Lambda开发
  • 11.4使用AWS DynamoDB
  • 11.5使用AWS Step函数
  • 11.6使用AWS Batch处理ML作业
  • 11.7使用AWS Sagemaker
  • 11.8将AWS Comprehend用于NLP
  • 11.9使用AWS Recognition API

第12课:基于Python的Google Compute Platform ML和AI管道

  • 12.1执行协作基础知识
  • 12.2使用高级Colab功能
  • 12.3执行Datalab基础知识
  • 12.4使用TPUS进行深度学习
  • 12.5使用Google大查询
  • 12.6使用Google机器学习服务
  • 12.7使用Google情感分析API
  • 12.8使用Google Computer Vision API

第13课:创建命令行机器学习工具

  • 13.1遍历现货价格机器学习
  • 13.2遍历DevML

第14课:数据科学:案例研究NBA中的社会力量

会员登录
登录
我的资料
留言
回到顶部