如何用Excel进行机器学习

为什么在 Excel 中使用机器学习和数据科学?

数据科学家和数据分析师都使用 Excel 吗?

答案是响亮的“是的,他们愿意!”

课程英文名:Excel for Data Science and Machine Learning

此视频教程共44.0小时,中英双语字幕,画质清晰无水印,源码附件全

下载地址

课程编号:196
百度网盘地址:https://pan.baidu.com/s/1_eoVIwUijTDjw8v5pVDccA?pwd=ndku
夸克网盘(不限速)地址:https://pan.quark.cn/s/ac8226352700

课程内容

组织中很少有人可以阅读 Jupyter Notebook,但实际上每个人都熟悉 Excel。它提供了专家和初学者应用最常见的机器学习方法所需的直接、直观的洞察力。此外,它自然适用于数据准备。

事实上,Excel 的简单性降低了进入门槛,让您可以立即进行自己的数据分析。 即使您不是具有 Python 编码技能的计算机科学专业毕业生,本课程也将教您如何自行执行机器学习和高级统计分析。

Excel 是以易于理解的方式掌握不同机器学习技术逻辑的完美环境。您需要做的就是开始,很快,您将能够完全理解 ML 算法背后的直觉,而无需编写任何代码。

所以,如果你不喜欢编程,但你想进入数据科学、统计分析和机器学习领域,并且你渴望成为一名数据分析师或数据科学家,那么你来对地方了。

我们将在课程中介绍的机器学习方法:

  • 线性回归
  • 多元线性回归
  • 逻辑回归
  • 聚类分析
  • K-Means 聚类
  • 决策树

您将学习基本的统计和机器学习概念,例如:

  • 回归系数
  • 变化性
  • OLS 假设
  • ROC曲线
  • 欠拟合
  • 过拟合
  • 分类和聚类的区别
  • 如何选择集群数量
  • 如何对分类数据进行聚类
  • 何时标准化数据
  • 集群的优缺点
  • 熵(损失函数)
  • 信息增益

如您所见,我们的目标是在一个真正易于理解的软件中教您机器学习和高级统计分析的基础知识。最好的部分是,一旦完成本课程,如果您决定深入研究 Python 中可用的高级框架,您将拥有所需的可转移理论知识。

所以,如果你对机器学习充满热情但你不知道如何编码,那么这门课程对你来说是一个绝佳的机会。点击”立即购买”,兴奋起来,立即开始您的 ML 之旅!!

本课程适用于:

  • 如果您想了解机器学习基础知识,您应该参加本课程
  • 不知道如何编码,但您想自己执行机器学习?这是适合您的完美课程
  • 如果您渴望成为数据分析师或数据科学家,这门课程非常棒

要求

  • 基本统计的理解
  • 初学者Excel知识