Čo je to Machine Learning?

Kde sa Machine Learning uplatňuje v technológii a vede?

Použitie Bayesovej štatistiky so softvérom scikit–learn pre Python

Rozdeľovanie údajov medzi tréningovými a testovacími súbormi so skicit-learn

Vypočítanie neskoršej a predošlej pravdepodobnosti jednoduchých rozdelení

Jednoduchá intuícia pomocou vektorových mechanizmov

Implementovanie klasifikátorov SVM v SKLearn/scikit-learn

Ako vybrať správne jadro pre váš SVM?

Čo je RBF a Linear Kernels?

Vlastný rozhodovací strom v Pythone

Vzorce pre entropiu a získavanie informácií

Ako to vypočítať?

Implementovanie mini projektu

Ako vybrať správny algoritmus strojového učenia medzi K-means, Adaboost a stromom rozhodnutí?

Aplikovanie vedomostí o Machine Learning pomocou vzorov v Enron Email Dataset

Vyšetrovanie jedného z najväčších podvodov v histórii Ameriky!

Ako sa kontinuálne učenie líši od diskrétneho učenia

Lineárna regresia v systéme Python so scikit-learn

Rôzne metrické chyby, napríklad SSE a R Squared

Odstránenie extrémnych hodnôt (odchýlok), kvôli zlepšeniu kvality

Odstránenie rezíduí (zvyškov) na skutočnom dátovom súbore a vloženie regresora

Aplikovanie rovnakých extrémov a rezíduí na Enron Email Corpus

Čo je clustering?

Rozdiel medzi nedohľadným a dohľadným vzdelávaním

Implementovanie K-means v Pythone a Scikit-learn kvôli nájdeniu centra klusterov

Nájdenie klusterov v skutočných dátových súboroch cez Enron Finance Data

Predbežné spracovanie dát pomocou funkcií škálovania na zlepšenie algoritmov

Použitie min mx stupnice v sklearn