این دوره درباره پیش‌بینی قیمت خودرو بر اساس ویژگی‌های آن با استفاده از مدل‌های یادگیری ماشین است. این پروژه‌ای عملی است که مدرس در آن فرایند ساخت و ارزیابی یک مدل یادگیری ماشین را به‌صورت گام‌به‌گام آموزش می‌دهد و در نهایت همان مدل را روی پلتفرم‌های ابری مستقر می‌کند تا مشتریان شما بتوانند از طریق یک رابط کاربری با مدل تعامل داشته باشند.
این دوره شما را با مراحل اولیه بررسی و درک داده، تحلیل داده، آماده‌سازی داده، ساخت مدل و ارزیابی و تکنیک‌های استقرار آشنا می‌کند. ما از الگوریتم XGBoost برای ایجاد مدل خود استفاده می‌کنیم که به ما کمک می‌کند قیمت خودرو را بر اساس ویژگی‌های آن پیش‌بینی کنیم.
در پایان، یاد می‌گیریم چگونه یک رابط کاربری برای تعامل با مدل ساخته‌شده خود ایجاد کنیم و در نهایت همان مدل را روی فضای ابری مستقر کنیم.
مدرس کل دوره را برای درک آسان‌تر مطالبی که پوشش داده خواهند شد، به تسک های زیر تقسیم و تفکیک کرده است.
تحلیل داده، ساخت مدل و استقرار مدل از جمله مهارت‌های پرتقاضای قرن 21 هستند. همین حالا در دوره شرکت کنید و در تنها چند ساعت، درک بسیار عمیق‌تری از تحلیل داده، یادگیری ماشین و استقرار مدل به دست آورید!
یک فنجان قهوه بردارید، در این دوره شرکت کنید و یادگیری پرتقاضاترین مهارت قرن 21 را آغاز کنید. ما شما را در دوره خواهیم دید!
این دوره برای چه کسانی مناسب است؟
Data Science: Car Price Prediction-Model Building Deployment
This course is about predicting the price of a car based on its features using Machine Learning Models . This is a hands on project where I will teach you the step by step process in creating and evaluating a machine learning model and finally deploying the same on Cloud platforms to let your customers interact with your model via an user interface.
This course will walk you through the initial data exploration and understanding , data analysis, data preparation, model building and evaluation and deployment techniques . We will use XGBoost algorithm to create our model which helps us in predicting price of a car given its features.
At the end we will learn to create an User Interface to interact with our created model and finally deploy the same on Cloud.
I have splitted and segregated the entire course in Tasks below, for ease of understanding of what will be covered.
Task 1 : Installing Packages
Task 2 : Importing Libraries.
Task 3 : Loading the data from source.
Task 4 : Data Understanding
Task 6 : Performing Univariate analysis on variables.
Task 7 : Performing Bivariate analysis on variables.
Task 8 : Data binning to convert numerical variables to categorical variables.
Task 9 : Finding correlations among features and plotting on HeatMap.
Task 10 : Plotting scatter plots.
Task 11 : Visualizing the distribution of data across variables.
Task 12 : Outlier Analysis.
Task 13 : Performing One Hot Encoding to convert categorical features to numeric features.
Task 14 : Train Test Split.
Task 15 : Scaling the variables using StandardScaler.
Task 16 : Creating a XGBoostRegression model with default parameters.
Task 17 : Hyperparameter Tuning using RandomizedSearchCV.
Task 18 : Building XGBRegression model with the selected hyperparameters.
Task 19 : Model Evaluation - Calculating R2 score
Task 20 : Model Evaluation - Plotting a scatter plot of the actual and predicted values.
Task 21 : Extracting most important features and its coefficients.
Task 22 : What is Streamlit and Installation steps.
Task 23 : Creating an user interface to interact with our created model.
Task 24 : How to run your notebook on Streamlit Server in your local machine.
Task 25 : Pushing your project to GitHub repository.
Task 26 : Project Deployment on Heroku Platform for free.
Data Analysis, Model Building and Deployment is one of the most demanded skill of the 21st century. Take the course now, and have a much stronger grasp of data analysis, machine learning and deployment in just a few hours!
1. Certificate of completion from AutomationGig.
2. All the datasets used in the course are in the resources section.
3. The Jupyter notebook are provided at the end of the course in the resource section.
So what are you waiting for?
Grab a cup of coffee, click on the ENROLL NOW Button and start learning the most demanded skill of the 21st century. We'll see you inside the course!
[Please note that this course and its related contents are for educational purpose only]
درک، بررسی و پاک‌سازی داده
ساخت مدل با استفاده از XGBoost
استقرار پروژه روی پلتفرم Heroku
با ورود یا ثبت‌نام رایگان، به این درس و بقیه محتوای این دوره دسترسی خواهید داشت.
برای دسترسی به این دوره، یکی از گزینه‌های زیر را انتخاب کنید:
مناسب برای تهیه چندین دوره
با اشتراک ویژه‌ای که دارید، کافی‌ست این دوره را به لیست دوره‌های خود اضافه کنید تا بلافاصله به آن دسترسی داشته باشید.
نظرات کاربران