描述
表格数据探索与可视化（pandas、matplotlib）、数据拟合基础（scikit-learn）、k 最近邻、线性回归、决策树、数据预处理、模型评估度量、过拟合与欠拟合、偏差/方差、交叉验证、神经网络简介、超参数调优、特征选择、特征重要性。
先修课程
- 先修条件：注册于 M.Eng. - Software Engineering Practice 项目。
条件与方式
- 先修条件：注册于 M.Eng. - Software Engineering Practice 项目。
原文参考文本
Tabular data exploration and visualization (pandas, matplotlib), data-fitting basics (scikit-learn), k-nearest neighbours, linear regression, decision trees, data pre-processing, model evaluation metrics, overfitting vs underfitting, bias/variance, cross-validation, introduction to neural networks, hyperparameter tuning, feature selection, feature importance.
- Prerequisite(s): enrolment in the M.Eng.- Software Engineering Practice program.
来源与参考
为帮助您核实信息，保留了日期和来源。为便于阅读提供了翻译；以官方来源为准，查看条件和要求。
来源参考 : https://calendar.carleton.ca/grad/courses/EGEN/