筛选依据
主题必需的
语言必需的
在整个课程(说明和评估)中使用的语言。
了解产品必需的
级别必需的
课程长度必需的
技能必需的
字幕必需的
教师必需的
“scikit learn (machine learning library)” 的结果
- 状态:免费试用
Alberta Machine Intelligence Institute
您将获得的技能: 分类与回归树 (CART), 机器学习算法, 数据处理, 回归分析, 监督学习, Python 程序设计, 业务解决方案, 性能分析, Jupyter, 应用机器学习, 功能工程, 性能指标, 机器学习, Scikit-learn (机器学习库)
- 状态:免费试用
Microsoft
您将获得的技能: 数据管道, 可扩展性, 持续监测, MLOps(机器学习 Operator), 信息隐私, 云计算, 数据库, 数据伦理, 数据安全, 微软 Azure, 机器学习, 负责任的人工智能, 性能调整
- 状态:免费试用
IBM
您将获得的技能: 机器学习算法, 回归分析, 张力流, 数据展示, 监督学习, 人工神经网络, Python 程序设计, 探索性数据分析, Keras(神经网络库), 应用机器学习, 无监督学习, 数据分析, 机器学习, Scikit-learn (机器学习库)
Coursera Project Network
您将获得的技能: Scikit Learn (Machine Learning Library), Applied Machine Learning, Machine Learning Algorithms, Classification And Regression Tree (CART), Supervised Learning, Random Forest Algorithm, Machine Learning, Unsupervised Learning, Data Analysis
- 状态:免费试用
Duke University
您将获得的技能: 命令行界面, MLOps(机器学习 Operator), Microsoft Copilot, CI/CD, 张力流, 云计算解决方案, GitHub, 人工智能和机器学习(AI/ML), 网络框架, PyTorch(机器学习库), Devops, 无服务器计算, 大数据, 拉斯特(编程语言), Docker (软件), 集装箱化, 机器学习, 负责任的人工智能
- 状态:免费试用
University of Michigan
您将获得的技能: 机器学习算法, 分类与回归树 (CART), 预测建模, 监督学习, 随机森林算法, Python 程序设计, 分析, 应用机器学习, 预测分析, Machine Learning 方法, 功能工程, 统计机器学习, 数据分析, 机器学习, Scikit-learn (机器学习库)
- 状态:免费试用
New York University
您将获得的技能: 金融交易, 投资组合管理, 监督学习, 回归分析, 决策树学习, 金融服务, Python 程序设计, 探索性数据分析, 降维, 人工神经网络, 应用机器学习, 强化学习, 无监督学习, Jupyter, 相关性分析, 金融市场, 机器学习, Scikit-learn (机器学习库)
您将获得的技能: 数据管道, 机器学习算法, 数据处理, 数据科学, 统计机器学习, 应用机器学习, Apache Spark, 大数据, PySpark, 数据存储技术, 统计分析, 机器学习
- 状态:预览
The University of Chicago
您将获得的技能: 统计方法, 机器学习算法, 分类与回归树 (CART), 张力流, 回归分析, 监督学习, 人工神经网络, 降维, 决策树学习, 随机森林算法, 深度学习, 应用机器学习, 功能工程, Pandas(Python 软件包), 无监督学习, 机器学习, Scikit-learn (机器学习库)
- 状态:免费试用
University of California San Diego
您将获得的技能: 预测建模, 数据清理, 回归分析, 决策树学习, 数据转换, 监督学习, 探索性数据分析, 应用机器学习, 数据分析, Apache Spark, 统计分析, 无监督学习, 大数据, 机器学习, 数据挖掘
- 状态:免费试用
DeepLearning.AI
您将获得的技能: 分类与回归树 (CART), 张力流, 数据伦理, 随机森林算法, 人工神经网络, 决策树学习, 深度学习, 负责任的人工智能, 机器学习, 监督学习, 性能调整
Coursera Project Network
您将获得的技能: Scikit Learn (Machine Learning Library), Tensorflow, Cloud Computing, Classification And Regression Tree (CART), Supervised Learning, Applied Machine Learning, Machine Learning Methods, Python Programming, Pandas (Python Package), Data Science, Machine Learning, Data Visualization, Data Processing
总之,以下是 10 最受欢迎的 scikit learn (machine learning library) 课程
- 机器学习算法:监督学习从头到尾: Alberta Machine Intelligence Institute
- 使用 Azure 构建和运行机器学习解决方案: Microsoft
- 机器学习顶点课程: IBM
- Scikit-Learn For Machine Learning Classification Problems: Coursera Project Network
- DevOps、DataOps、MLOps: Duke University
- 体育分析中的机器学习入门: University of Michigan
- 金融领域的机器学习基础: New York University
- 使用 Apache Spark 在大数据上进行可扩展机器学习: IBM
- 机器学习:概念与应用: The University of Chicago
- 利用大数据进行机器学习: University of California San Diego