ទទួលបានគំរូការចាត់ថ្នាក់ការរៀនម៉ាស៊ីនដែលបានបណ្តុះបណ្តាល និងសាកល្បងយ៉ាងពេញលេញដែលបានបង្កើតឡើងនៅក្នុង Python — រួមជាមួយនឹងការដំណើរការទិន្នន័យជាមុន ការជ្រើសរើសលក្ខណៈពិសេស ការបង្កើនប្រសិទ្ធភាពគំរូ និងការបកស្រាយលទ្ធផលច្បាស់លាស់ដែលត្រៀមរួចជាស្រេចសម្រាប់ការប្រើប្រាស់ក្នុងពិភពពិត។
ខ្ញុំនឹងបង្កើតគំរូចំណាត់ថ្នាក់ Python ML សម្រាប់សំណុំទិន្នន័យរបស់អ្នក
បំពង់បង្ហូរចំណាត់ថ្នាក់ស្នូលសម្រាប់សំណុំទិន្នន័យតែមួយដែលត្រូវបានរៀបចំយ៉ាងល្អ។
- ការរៀបចំទិន្នន័យជាមុន (តម្លៃបាត់បង់ ការសរសេរកូដ ការធ្វើមាត្រដ្ឋាន)
- ការជ្រើសរើសលក្ខណៈពិសេសដើម្បីកំណត់អថេរព្យាករណ៍
- គំរូចំណាត់ថ្នាក់ល្អបំផុតតែមួយដែលបានបណ្តុះបណ្តាល និងសាកល្បង
- ការវាយតម្លៃដំណើរការម៉ូដែល និងការបកស្រាយលទ្ធផល
- ការចែកចាយដោយផ្អែកលើ Python ដោយប្រើ Pandas & Scikit-learn
- ការស្រាវជ្រាវទៅលើក្បួនដោះស្រាយដែលសមស្របបំផុតសម្រាប់ទិន្នន័យរបស់អ្នក
ការប្រៀបធៀបគំរូច្រើន និងការវិភាគស៊ីជម្រៅសម្រាប់សំណុំទិន្នន័យស្មុគស្មាញបន្ថែមទៀត។
- អ្វីៗទាំងអស់នៅក្នុង Essential
- ការប្រៀបធៀបក្បួនដោះស្រាយចំណាត់ថ្នាក់ច្រើន (ឧទាហរណ៍ random forest, gradient boosting, neural network)
- ការលៃតម្រូវ Hyperparameter សម្រាប់ការបង្កើនប្រសិទ្ធភាពភាពត្រឹមត្រូវនៃម៉ូដែល
- ការដោះស្រាយអតុល្យភាពថ្នាក់នៅកន្លែងដែលត្រូវការ
- ការបកស្រាយបន្ថែមជាមួយនឹងការយល់ដឹងអំពីសារៈសំខាន់នៃលក្ខណៈពិសេស
- កូដ Python ដោយប្រើ Scikit-learn និង TensorFlow តាមការសមស្រប
គម្រោងចំណាត់ថ្នាក់ពេញលេញជាមួយនឹងវិធីសាស្ត្ររួមបញ្ចូលគ្នា ការផ្ទៀងផ្ទាត់យ៉ាងហ្មត់ចត់ និងលទ្ធផលដែលបានសរសេរលម្អិត។
- អ្វីគ្រប់យ៉ាងនៅក្នុង Professional
- ម៉ូដែលបណ្តាញសរសៃប្រសាទ Ensemble និងកម្រិតខ្ពស់ត្រូវបានវាយតម្លៃ
- ការផ្ទៀងផ្ទាត់ឆ្លង និងវិធីសាស្រ្តបណ្តុះបណ្តាល/សាកល្បងដ៏រឹងមាំ
- របាយការណ៍លម្អិតជាលាយលក្ខណ៍អក្សរអំពីវិធីសាស្រ្ត លទ្ធផល និងអនុសាសន៍
- កូដ Python ដែលមានមតិយោបល់ពេញលេញ និងឯកសារប្រភពត្រូវបានផ្តល់ជូន
- ការគ្រប់គ្រងការបញ្ជាទិញអាទិភាពជាមួយនឹងកិច្ចសហការកាន់តែជិតស្និទ្ធតាមរយៈការជជែកបញ្ជាទិញ
ស្នើសុំការផ្តល់ជូនផ្ទាល់ខ្លួន
ចូលគណនីដើម្បីស្នើសុំការផ្តល់ជូនផ្ទាល់ខ្លួន
បង្កើតគណនីឥតគិតថ្លៃ ឬចូលគណនីដើម្បីស្នើសុំការផ្តល់ជូនផ្ទាល់ខ្លួនពី Zinner នេះ។
ចូល / ចុះឈ្មោះសួរសំណួរមុនពេលលក់
ចូលដើម្បីសួរសំណួរ
ដើម្បីកាត់បន្ថយសារឥតបានការនៅលើវេទិកា សារមុនពេលលក់អាចត្រូវបានផ្ញើដោយអ្នកប្រើប្រាស់ដែលបានចូលប៉ុណ្ណោះ។
បង្កើតគណនីឥតគិតថ្លៃ ឬចូលដើម្បីផ្ញើសារទៅ Zinner នេះដោយផ្ទាល់។
ចូល / ចុះឈ្មោះនៅ glance
ព័ត៌មានលម្អិតសំខាន់ៗអំពីសេវាកម្មនេះ ដើម្បីជួយអ្នកសម្រេចចិត្ត។ បង្កើតដោយ Zinn Hub មិនមែនអ្នកលក់ទេ។
ទីតាំងតម្លៃ
ការគ្របដណ្តប់ក្បួនដោះស្រាយ
បច្ចេកវិទ្យា Stack
ពេលវេលាដឹកជញ្ជូន
តម្រូវការទិន្នន័យ
អ្វីដែលអ្នកនឹងទទួលបាន
ការពិពណ៌នាពេញលេញ
ប្រសិនបើអាជីវកម្មរបស់អ្នកពឹងផ្អែកលើទិន្នន័យតារាង ហើយអ្នកត្រូវការទស្សន៍ទាយលទ្ធផល — ការបាត់បង់អតិថិជន ការចាត់ថ្នាក់ជំងឺ ការរកឃើញការក្លែងបន្លំ ការដាក់ពិន្ទុនាំមុខ ឬគោលដៅផ្អែកលើប្រភេទផ្សេងទៀត — ម៉ូដែលចាត់ថ្នាក់ការរៀនម៉ាស៊ីនដែលបានបង្កើតត្រឹមត្រូវនឹងបំប្លែងទិន្នន័យឆៅនោះទៅជាការព្យាករណ៍ដែលអាចទុកចិត្តបាន និងអាចអនុវត្តបាន។
Zinn Digital គឺជាក្រុមវិទ្យាសាស្ត្រទិន្នន័យដែលមានមូលដ្ឋាននៅទីក្រុង London ដែលមានបទពិសោធន៍ជាក់ស្តែងយ៉ាងទូលំទូលាយក្នុងការផ្តល់ដំណោះស្រាយចំណាត់ថ្នាក់នៅក្នុង Python ។ យើងគ្រប់គ្រងបំពង់បង្ហូរពេញលេញពីទិន្នន័យឆៅដែលរញ៉េរញ៉ៃរហូតដល់គំរូស្អាត និងមានឯកសារល្អដែលអ្នកអាចទុកចិត្ត និងប្រើប្រាស់បាន។
នេះជាអ្វីដែលយើងធ្វើសម្រាប់អ្នក៖
យើងចាប់ផ្តើមជាមួយនឹងការរៀបចំទិន្នន័យយ៉ាងហ្មត់ចត់ — ការដោះស្រាយតម្លៃដែលបាត់បង់ ការសរសេរកូដអថេរតាមប្រភេទ ការធ្វើមាត្រដ្ឋានលក្ខណៈពិសេស និងការដោះស្រាយបញ្ហាមិនសមាមាត្រនៃថ្នាក់ ដែលអាចធ្វើឱ្យដំណើរការគំរូរបស់អ្នកមានភាពលំអៀង។ បន្ទាប់មក យើងអនុវត្តការជ្រើសរើសលក្ខណៈពិសេសយ៉ាងម៉ត់ចត់ ដើម្បីកំណត់អត្តសញ្ញាណអថេរដែលជំរុញថាមពលព្យាករណ៍ពិតប្រាកដ ដោយកាត់បន្ថយសំឡេងរំខានដែលបង្កើនភាពស្មុគស្មាញនៃគំរូដោយមិនធ្វើឱ្យប្រសើរឡើងនូវភាពត្រឹមត្រូវ។
ជាមួយនឹងសំណុំទិន្នន័យស្អាតដែលបានបង្កើតឡើង យើងវាយតម្លៃ និងប្រៀបធៀបក្បួនដោះស្រាយចំណាត់ថ្នាក់ជាច្រើនដែលស័ក្តិសមបំផុតសម្រាប់បញ្ហារបស់អ្នក។ ឧបករណ៍របស់យើងរួមមាន logistic regression, Naïve Bayes, ក្បួនដោះស្រាយមែកធាងការសម្រេចចិត្ត, random forest, gradient boosting, និង neural networks ដែលផ្តល់ឱ្យយើងនូវទំហំធំទូលាយដើម្បីផ្គូផ្គងវិធីសាស្រ្តត្រឹមត្រូវទៅនឹងលក្ខណៈទិន្នន័យរបស់អ្នក។ យើងបណ្តុះបណ្តាល និងសាកល្បងគំរូដែលបានជ្រើសរើសដោយប្រើការអនុវត្តការផ្ទៀងផ្ទាត់ដ៏រឹងមាំ ដូច្នេះតួលេខដំណើរការឆ្លុះបញ្ចាំងពីអាកប្បកិរិយាពិភពលោកពិតជាជាងការ overfitting ។
ជាចុងក្រោយ យើងបកស្រាយលទ្ធផលយ៉ាងច្បាស់ — ពន្យល់ពីអ្វីដែលគំរូកំពុងប្រាប់អ្នក ថាតើវាមានទំនុកចិត្តប៉ុណ្ណា និងអ្វីដែលលទ្ធផលមានន័យនៅក្នុងបរិបទនៃការប្រើប្រាស់ជាក់លាក់របស់អ្នក។
ឧបករណ៍ និងបណ្ណាល័យដែលយើងធ្វើការជាមួយ៖ Python, Pandas, Scikit-learn, TensorFlow និងឈុតពេញលេញនៃបច្ចេកទេសរៀនម៉ាស៊ីនដែលបានរាយខាងលើ។
សេវាកម្មនេះគឺល្អសម្រាប់អ្នកវិភាគទិន្នន័យ ក្រុមផលិតផល អ្នកស្រាវជ្រាវ និងម្ចាស់អាជីវកម្មដែលមានសំណុំទិន្នន័យដែលមានស្លាកសញ្ញា ហើយត្រូវការគំរូចំណាត់ថ្នាក់ដែលអាចទុកចិត្តបានដែលបានបង្កើតប្រកបដោយវិជ្ជាជីវៈ — ដោយមិនចាំបាច់រៀនវិទ្យាសាស្ត្រទិន្នន័យពីដំបូងឡើយ។
យើងមានមូលដ្ឋាននៅទីក្រុង London ហើយធ្វើការតាមរយៈប្រព័ន្ធបញ្ជាទិញរបស់ Zinn Hub ។ នៅពេលដែលអ្នកដាក់បញ្ជាទិញរបស់អ្នក គ្រាន់តែចែករំលែកទិន្នន័យរបស់អ្នក និងបរិបទគម្រោងដែលពាក់ព័ន្ធណាមួយ។ ប្រសិនបើយើងត្រូវការការបំភ្លឺ យើងនឹងទាក់ទងតាមរយៈការជជែកបញ្ជាទិញភ្លាមៗ។
ជ្រើសរើសកម្រិតដែលសមនឹងវិសាលភាពរបស់អ្នក ហើយអនុញ្ញាតឱ្យយើងបង្វែរទិន្នន័យរបស់អ្នកទៅជាការសម្រេចចិត្ត។
ការធានាគុណភាព Zinner
Zinner គ្រប់រូបត្រូវបានត្រួតពិនិត្យ និងអនុម័តមុនពេលចូលរួមវេទិកា។
សេវាកម្មទាំងអស់ត្រូវបានគាំទ្រដោយការប្តេជ្ញាចិត្តធានាគុណភាពរបស់យើង។
ការទូទាត់របស់អ្នកត្រូវបានការពាររហូតដល់អ្នកអនុម័តការងារដែលបានប្រគល់។
ប្រៀបធៀបកញ្ចប់
| លក្ខណៈពិសេស | សំខាន់ | វិជ្ជាជីវៈ | កម្រិតខ្ពស់ |
|---|---|---|---|
| ពេលវេលាដឹកជញ្ជូន | 3 ថ្ងៃ | 5 ថ្ងៃ | 9 ថ្ងៃ |
| ការកែប្រែ | 1 | 2 | 3 |
| ការរៀបចំទិន្នន័យជាមុន (តម្លៃបាត់បង់ ការសរសេរកូដ ការធ្វើមាត្រដ្ឋាន) | ✓ | ✕ | ✕ |
| ការជ្រើសរើសលក្ខណៈពិសេសដើម្បីកំណត់អត្តសញ្ញាណអថេរព្យាករណ៍ | ✓ | ✕ | ✕ |
| គំរូចំណាត់ថ្នាក់ល្អបំផុតតែមួយដែលបានបណ្តុះបណ្តាលនិងសាកល្បង | ✓ | ✕ | ✕ |
| ការវាយតម្លៃដំណើរការគំរូ និងការបកស្រាយលទ្ធផល | ✓ | ✕ | ✕ |
| ការចែកចាយដោយផ្អែកលើ Python ដោយប្រើ Pandas & Scikit-learn | ✓ | ✕ | ✕ |
| ស្រាវជ្រាវរកក្បួនដោះស្រាយដែលសមស្របបំផុតសម្រាប់ទិន្នន័យរបស់អ្នក | ✓ | ✕ | ✕ |
| អ្វីគ្រប់យ៉ាងនៅក្នុង Essential | ✕ | ✓ | ✕ |
| ការប្រៀបធៀបក្បួនដោះស្រាយចំណាត់ថ្នាក់ច្រើន (ឧទាហរណ៍ random forest, gradient boosting, neural network) | ✕ | ✓ | ✕ |
| ការលៃតម្រូវ Hyperparameter សម្រាប់ភាពត្រឹមត្រូវនៃគំរូដែលបានបង្កើនប្រសិទ្ធភាព | ✕ | ✓ | ✕ |
| ការដោះស្រាយអតុល្យភាពថ្នាក់នៅកន្លែងដែលត្រូវការ | ✕ | ✓ | ✕ |
| ការបកស្រាយបន្ថែមជាមួយនឹងការយល់ដឹងអំពីសារៈសំខាន់នៃលក្ខណៈពិសេស | ✕ | ✓ | ✕ |
| កូដ Python ដោយប្រើ Scikit-learn និង TensorFlow តាមការសមស្រប | ✕ | ✓ | ✕ |
| អ្វីៗទាំងអស់នៅក្នុង Professional | ✕ | ✕ | ✓ |
| គំរូបណ្ដាញសរសៃប្រសាទកម្រិតខ្ពស់និងរួមបញ្ចូលគ្នាត្រូវបានវាយតម្លៃ | ✕ | ✕ | ✓ |
| ការផ្ទៀងផ្ទាត់ឆ្លង និងវិធីសាស្រ្តបណ្តុះបណ្តាល/សាកល្បងរឹងមាំ | ✕ | ✕ | ✓ |
| របាយការណ៍ជាលាយលក្ខណ៍អក្សរលម្អិតអំពីវិធីសាស្រ្ត លទ្ធផល និងអនុសាសន៍ | ✕ | ✕ | ✓ |
| កូដ Python ដែលមានមតិយោបល់ពេញលេញ និងឯកសារប្រភពត្រូវបានផ្តល់ជូន | ✕ | ✕ | ✓ |
| ការដោះស្រាយការបញ្ជាទិញអាទិភាពជាមួយនឹងកិច្ចសហការកាន់តែជិតស្និទ្ធតាមរយៈការជជែកបញ្ជាទិញ | ✕ | ✕ | ✓ |
ផលប័ត្រ
ឧទាហរណ៍នៃការងាររបស់អ្នកលក់ដែលទាក់ទងនឹង Zinn នេះ។
បង្កើតគំរូចំណាត់ថ្នាក់ ML Python សម្រាប់សំណុំទិន្នន័យរបស់អ្នក
បង្កើតគំរូចំណាត់ថ្នាក់ ML Python សម្រាប់សំណុំទិន្នន័យរបស់អ្នក
ព័ត៌មានបន្ថែម
ឧបករណ៍ដែលខ្ញុំប្រើ
ល្អឥតខ្ចោះសម្រាប់
ដំណើរការរបស់ខ្ញុំ
សំណួរដែលសួរញឹកញាប់
ឯកសារ CSV ឬ Excel ដំណើរការល្អបំផុត។ សំណុំទិន្នន័យរបស់អ្នកគួរតែជាតារាង (ជួរដេក និងជួរឈរ) ដែលមានជួរឈរគោលដៅដែលបានកំណត់យ៉ាងច្បាស់ — អថេរដែលអ្នកចង់ឱ្យគំរូទស្សន៍ទាយ។ ប្រសិនបើទិន្នន័យរបស់អ្នកស្ថិតក្នុងទម្រង់ផ្សេងគ្នា សូមបញ្ជាក់វានៅក្នុងតម្រូវការបញ្ជាទិញ ហើយយើងនឹងណែនាំ។
ការរៀបចំទិន្នន័យត្រូវបានរួមបញ្ចូលនៅក្នុងគ្រប់កម្រិតជាពិសេសដើម្បីដោះស្រាយស្ថានភាពទាំងនេះ។ យើងដោះស្រាយតម្លៃដែលបាត់បង់ តម្លៃខុសប្រក្រតី និងទំហំគំរូទាបដែលជាផ្នែកមួយនៃបំពង់បង្ហូរ។ ប្រសិនបើសំណុំទិន្នន័យរបស់អ្នកមានកម្រិតពេកក្នុងការបង្កើតគំរូដែលអាចទុកចិត្តបាន យើងនឹងប្រាប់អ្នកដោយស្មោះត្រង់មុនពេលបន្ត។
នោះអាស្រ័យលើទិន្នន័យ និងប្រភេទបញ្ហារបស់អ្នក។ យើងវាយតម្លៃបេក្ខជនពី logistic regression, Naïve Bayes, decision trees, random forest, gradient boosting, និង neural networks បន្ទាប់មកជ្រើសរើស — ឬបញ្ចូលគ្នា — វិធីសាស្រ្តដែលដំណើរការល្អបំផុតលើសំណុំទិន្នន័យជាក់លាក់របស់អ្នក។
កម្រិត Essential រួមបញ្ចូលគំរូដែលបានបណ្តុះបណ្តាល និងលទ្ធផលជាមួយនឹងការបកស្រាយ។ កម្រិត Advanced រួមបញ្ចូលឯកសារប្រភព Python ដែលមានមតិយោបល់ពេញលេញ។ ប្រសិនបើអ្នកត្រូវការកូដប្រភពនៅលើកម្រិតទាប សូមបន្ថែមរបាយការណ៍សង្ខេបជាលាយលក្ខណ៍អក្សរ & ឯកសារប្រភព ឬដំឡើងកំណែទៅ Advanced។
ការកែប្រែគ្របដណ្តប់លើការកែតម្រូវគំរូ ឬការវិភាគដោយផ្អែកលើមតិកែលម្អដែលអ្នកផ្តល់បន្ទាប់ពីការចែកចាយ — ឧទាហរណ៍ ការសាកល្បងក្បួនដោះស្រាយផ្សេងគ្នា ការកែតម្រូវអថេរគោលដៅ ឬការកែលម្អការជ្រើសរើសលក្ខណៈពិសេស។ វាមិនគ្របដណ្តប់លើការផ្គត់ផ្គង់សំណុំទិន្នន័យថ្មីទាំងស្រុង ឬវិសាលភាពគម្រោងខុសគ្នាជាមូលដ្ឋាននោះទេ។
នៅពេលដែលការបញ្ជាទិញរបស់អ្នកត្រូវបានដាក់ សូមផ្ទុកឡើងសំណុំទិន្នន័យរបស់អ្នកដោយផ្ទាល់តាមរយៈកម្មវិធីគ្រប់គ្រងការបញ្ជាទិញ។ សូមបញ្ចូលបរិបទពាក់ព័ន្ធណាមួយអំពីគម្រោងផងដែរ — អ្វីដែលអ្នកកំពុងព្យាយាមទស្សន៍ទាយ និងចំណេះដឹងដែនណាមួយដែលអាចជួយបាន — នៅក្នុងវាលតម្រូវការ។
បាទ — យើងធ្វើការជាមួយទាំងការចាត់ថ្នាក់គោលពីរ (ប្រភេទលទ្ធផលពីរ) និងការចាត់ថ្នាក់ច្រើនប្រភេទ (បីប្រភេទ ឬច្រើនជាងនេះ)។ គ្រាន់តែពិពណ៌នាអំពីអថេរគោលដៅរបស់អ្នកនៅពេលដាក់ស្នើតម្រូវការរបស់អ្នក។
ការវាយតម្លៃរបស់អតិថិជន
មើលអ្វីដែលអតិថិជនរបស់យើងនិយាយអំពី Zinn នេះ
Neil ពូកែខ្លាំងណាស់ក្នុងអ្វីដែលគាត់ធ្វើ ហើយតែងតែបំពេញការងារទាន់ពេល។ គាត់តែងតែខិតខំប្រឹងប្រែងបន្ថែមទៀត ដោយយកចិត្តទុកដាក់យ៉ាងខ្លាំងទៅលើព័ត៌មានលម្អិតតូចបំផុត។ ការលះបង់ និងក្រមសីលធម៌ការងាររបស់គាត់គឺជាក់ស្តែងនៅក្នុងអ្វីគ្រប់យ៉ាងដែលគាត់ធ្វើ ហើយវាច្បាស់ណាស់ថាគាត់មានមោទនភាពក្នុងការបង្កើតលទ្ធផលដែលមានគុណភាពខ្ពស់។ ខ្ញុំសូមណែនាំ Neil យ៉ាងខ្លាំង — គាត់ជាអ្នកជំនាញពិតប្រាកដដែលអាចទុកចិត្តបានដើម្បីបំពេញការងារបានត្រឹមត្រូវ។
ការធ្វើការជាមួយគាត់គឺល្អឥតខ្ចោះ; គាត់បានធ្វើលើសពីការរំពឹងទុកដើម្បីបំពេញភារកិច្ច។
ការងារបានល្អ។
ការងារល្អណាស់!
ការធ្វើការជាមួយ Neil Khan គឺជាភាពរីករាយមួយ! ភាពជាអ្នកជំនាញ និងការយកចិត្តទុកដាក់យ៉ាងខ្លាំងរបស់គាត់ចំពោះព័ត៌មានលម្អិតពិតជាលើសពីការរំពឹងទុក ដោយធានាថាគ្រប់លទ្ធផលទាំងអស់គឺត្រឹមត្រូវ។ គាត់មិនត្រឹមតែបង្ហាញការយល់ដឹងស៊ីជម្រៅអំពីគំនិតស្នូលនៅក្នុង Data Science & ML ប៉ុណ្ណោះទេ ប៉ុន្តែកម្រិតនៃកិច្ចសហប្រតិបត្តិការ និងការដឹកជញ្ជូនទាន់ពេលវេលារបស់គាត់បានធ្វើឱ្យដំណើរការទាំងមូលមានភាពរលូន និងមានប្រសិទ្ធភាព។ ណែនាំយ៉ាងខ្លាំង!
មានតែអតិថិជនដែលបានចូលគណនី ហើយបានទិញផលិតផលនេះប៉ុណ្ណោះ ទើបអាចទុកការវាយតម្លៃបាន។
ប្រភេទ
គោលការណ៍ Zinner
Zinns ដែលពាក់ព័ន្ធ
ខ្ញុំនឹងបង្កើត Computer Vision ឬ Deep Learning Model ផ្ទាល់ខ្លួននៅក្នុង Python
