欢迎学习《60个数据科学和深度学习项目实战构建部署视频教程》课程，你将在60天里学习构建和部署数据科学、机器学习、深度学习项目（Python、Flask、Django、AWS、Azure、GCP、Heruko Cloud）。
时长：52h 9m | 61节 | 433 讲座 | 视频：1280×720，44 KHz | 25 GB
类型：电子学习 | 语言：英语+字幕
您将学到什么
- 了解机器学习生命周期的完整产品工作流程。
- 掌握Python上的机器学习
- 对许多机器学习模型有很强的直觉
- 建立健壮的机器学习模型
- 真实生活案例研究和项目，以了解真实世界中的事情是如何完成的
- 了解有关数据科学工作流的最佳实践
- 在你的简历上留下相关项目作品集
课程介绍
在本课程中，实际使用数据科学解决业务问题。学习使用 Python（Flask、Django、Heroku、AWS、Azure、GCP、IBM Watson、Streamlit Cloud）构建和部署机器学习、数据科学、人工智能、自动机器学习、深度学习、自然语言处理 (Nlp) Web 应用程序项目.
据 Glassdoor 称，数据科学家的平均工资为 117,345 美元/年。这高于 44,564 美元的全国平均水平。因此，数据科学家的收入比全国平均工资高 163%。
这使得数据科学成为一个利润丰厚的职业选择。这主要是由于缺乏数据科学家导致巨大的收入泡沫。
由于数据科学要求一个人精通统计学、数学和计算机科学等多个领域，因此学习曲线非常陡峭。因此，数据科学家在市场上的价值非常高。
数据科学家在公司享有声望。该公司依靠其专业知识做出数据驱动的决策，并使他们能够朝着正确的方向前进。
此外，数据科学家的角色取决于其雇主公司的专业化。例如 – 一个商业行业将需要一名数据科学家来分析他们的销售情况。
一家医疗保健公司将需要数据科学家来帮助他们分析基因组序列。数据科学家的薪水取决于他的角色和他必须执行的工作类型。它还取决于公司的规模，这取决于他们使用的数据量。
尽管如此，数据科学家的薪酬水平仍远高于其他 IT 和管理部门。然而，数据科学家观察到的薪水与他们必须投入的工作量成正比。数据科学需要努力工作，需要一个人对他/她的技能进行透彻。
由于一些有利可图的好处，数据科学是一个有吸引力的领域。这一点，再加上数据科学领域的空缺数量，使它成为一个未受影响的金矿。因此，您应该学习数据科学才能享受富有成果的职业。
在本课程中，我们将研究下面列出的 60 个真实世界项目：
项目 1：Pan Card Tempering Detector 应用程序 – 在 Heroku 上部署
项目 2：犬种预测 Flask App
项目 3：图像水印应用程序 – 在 Heroku 上部署
项目4：交通标志分类
项目 5：从图像中提取文本应用程序
项目 6：植物病害预测 Streamlit 应用程序
项目 7：车辆检测和计数 Flask 应用程序
项目 8：创建一个面部交换 Flask 应用程序
项目 9：鸟类物种预测 Flask 应用程序
项目 10：英特尔图像分类 Flask 应用程序
项目 11：情感分析 Django 应用程序 – 在 Heroku 上部署
项目 12：损耗率 Django 应用程序
项目 13：找到传奇的 Pokemon Django 应用程序 – 在 Heroku 上部署
项目 14：人脸检测 Streamlit 应用程序
项目 15：猫与狗分类 Flask 应用程序
项目 16：客户收入预测应用程序 – 在 Heroku 上部署
项目 17：来自语音预测应用程序的性别 – 在 Heroku 上部署
项目 18：餐厅推荐系统
项目 19：幸福排名 Django 应用程序 – 在 Heroku 上部署
项目 20：森林火灾预测 Django 应用程序 – 在 Heroku 上部署
项目 21：构建汽车价格预测应用程序 – 在 Heroku 上部署
项目 22：构建事务计数 Django 应用程序 – 在 Heroku 上部署
项目 23：构建 Shrooming 预测应用程序 – 在 Heroku 上部署
项目 24：在 Heroku 上部署的 Google Play 应用评级预测
项目 25：构建银行客户预测 Django 应用程序 – 在 Heroku 上部署
项目 26：构建艺术家雕塑成本预测 Django 应用程序 – 在 Heroku 上部署
项目 27：构建医疗成本预测 Django 应用程序 – 在 Heroku 上部署
项目 28：钓鱼网页分类 Django 应用程序 – 在 Heroku 上部署
项目 29：服装合身尺寸预测 Django 应用程序 – 在 Heroku 上部署
项目 30：构建相似的文本 Django 应用程序 – 在 Heroku 上部署
项目 31：使用 Eval ML（自动 ML）预测心脏病发作风险
项目 32：使用 Pycaret（自动机器学习）进行信用卡欺诈检测
项目 33：使用 Auto SK Learn (Auto ML) 预测航班票价
项目 34：使用 Auto Keras 预测汽油价格
项目 35：使用 H2O Auto ML 进行银行客户流失预测
项目 36：使用 TPOT 和端到端部署（自动机器学习）的空气质量指数预测器
项目 37：使用 ML 模型和 PyCaret 与部署（自动 ML）进行降雨预测
项目 38：使用 ML 和 EVALML（自动机器学习）的比萨价格预测
项目 39：使用 TPOT（自动机器学习）进行 IPL 板球得分预测
项目 40：使用 ML 和 H2O Auto ML 预测自行车租赁数量
项目 41：使用 Auto Keras (Auto ML) 预测混凝土抗压强度
项目 42：使用 Auto SK Learn (Auto ML) 预测班加罗尔房价
项目 43：使用 PyCaret（自动机器学习）进行医院死亡率预测
项目 44：使用 ML 和 Eval Auto ML 进行员工晋升评估
项目 45：使用 ML 和 H2O Auto ML 预测饮用水的可饮用性
项目 46：黑色星期五促销项目
项目 47：情感分析项目
项目 48：帕金森病预测项目
项目 49：假新闻分类器项目
项目 50：有毒评论分类器项目
项目 51：使用 IBM Cloud 服务的语言翻译器应用程序 – 在 Heroku 上部署
项目 52：使用 IBM Watson -Deploy On Heroku 预测广告视图
项目 53：笔记本电脑价格预测器 – 在 Heroku 上部署
项目 54：WhatsApp 文本分析器 – 在 Heroku 上部署
项目 55：课程推荐系统 – 在 Heroku 上部署
项目 56：IPL 比赛获胜预测器 – 在 Heroku 上部署
项目 57：体脂估算器应用程序 – 在 Microsoft Azure 上部署
项目 58：校园安置预测应用程序 – 在 Microsoft Azure 上部署
项目 59：汽车可接受性预测器 – 在 Google Cloud 上部署
项目 60：图书流派分类应用程序 – 在亚马逊网络服务上部署
提示：制定 60 天学习计划，每天花费 1-2 小时，在 60 天内构建 60 个项目。
成为数据科学家、受雇并开始新职业所需的唯一课程
本课程适用于：
任何数据科学初学者。
初学者 Python 开发人员对使用 Python 的机器学习和数据科学感到好奇
