Get Familiar with ML basics in a Kaggle Competition

4.3
estrelas

18 classificações

oferecido por
Neste projeto guiado, você irá:

How to get familiar with Machine Learning basics and how to start a model prediction using basic supervised Machine Learning models.

Build, train, test and evaluate the performance of some models.

Submit your first solution on the Kaggle platform.

2 hours
Básico
Sem necessidade de download
Vídeo em tela dividida
Inglês
Apenas em desktop

In this 1-hour long project, you will be able to understand how to predict which passengers survived the Titanic shipwreck and make your first submission in an Machine Learning competition inside the Kaggle platform. Also, you as a beginner in Machine Learning applications, will get familiar and get a deep understanding of how to start a model prediction using basic supervised Machine Learning models. We will choose classifiers to learn, predict, and make an Exploratory Data Analysis (also called EDA). At the end, you will know how to measure a model performance, and submit your model to the competition and get a score from Kaggle. This guided project is for beginners in Data Science who want to do a practical application using Machine Learning. You will get familiar with the methods used in machine learning applications and data analysis. In order to be successful in this project, you should have an account on the Kaggle platform (no cost is necessary). Be familiar with some basic Python programming, we will use numpy and pandas libraries. Some background in Statistics is appreciated, like as knowledge in probability, but it’s not a requirement.

Habilidades que você desenvolverá

  • Python Programming

  • Machine Learning (ML) Algorithms

  • Predictive Modelling

  • Kaggle

Aprender passo a passo

Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:

  1. Getting Started with Kaggle

  2. Exploratory Data Analysis (EDA)

  3. Preprocessing I - Taking care of Missing Values

  4. Preprocessing II - Taking care of Missing Values

  5. Preprocessing III - Encoding Categorical Data

  6. Split the Train & Test datasets

  7. Building our Machine Learning Models

  8. Submit your project on Kaggle

Como funcionam os projetos guiados

Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download

Em um vídeo de tela dividida, seu instrutor te orientará passo a passo

Avaliações

Principais avaliações do GET FAMILIAR WITH ML BASICS IN A KAGGLE COMPETITION

Visualizar todas as avaliações

Perguntas Frequentes – FAQ

Ao comprar projetos guiados, você recebe tudo o que precisa para completá-los, inclusive acesso a um espaço de trabalho de área de trabalho na nuvem por meio do seu navegador web, que contém o software e os arquivos necessários para iniciar, além de um vídeo de instruções passo a passo de um especialista no assunto.

Como seu espaço de trabalho tem uma área de trabalho na nuvem dimensionada para notebooks e computadores desktop, os projetos guiados não estão disponíveis para dispositivos móveis.

Os instrutores do projeto guiado são especialistas no assunto, têm experiência com a habilidade, a ferramenta ou o domínio do projeto e amam compartilhar seus conhecimentos para ajudar milhões de aprendizes do mundo todo.

Você pode baixar e manter todos os arquivos que foram criados para seu projeto guiado. Para fazer isso, você pode usar o recurso "Navegador de arquivos" enquanto acessa a área de trabalho na nuvem.

Reembolsos não estão disponíveis para projetos guiados. Consulte nossa política de reembolso completa.

Não há auxílio financeiro disponível para projetos guiados.

A participação como ouvinte não está disponível para projetos guiados.

Na parte superior da página, você pode clicar no nível de experiência deste projeto guiado para visualizar os pré-requisitos de conhecimento. Em cada nível dos projetos guiados, seu instrutor o guiará passo a passo.

Sim, tudo o que você precisa para completar o projeto guiado estará disponível em uma área de trabalho na nuvem disponível no seu navegador.

Você aprenderá na prática ao completar tarefas em um ambiente com tela dividida, diretamente em seu navegador. No lado esquerdo da tela, você completa a tarefa no seu espaço de trabalho. No lado direito, você assiste a um instrutor que o guiará pelo projeto, passo a passo.