دوره آموزشی یادگیری کاربردی ماشین: یادگیری گروهی (2022)
2 ساعت 26 دقیقهمتوسط2022-02-24
مدرسین

Derek Jedamski
Skilled Data Scientist specializing in machine learning
جزئیات دوره
آیا می خواهید مهارت های خود را به عنوان یک متخصص یادگیری ماشینی افزایش دهید، اما نمی دانید از کجا شروع کنید؟ برای شروع کار به سمت هدف خود نیازی به آموزش رسمی در علم داده ندارید. در این دوره، مدرس درک جدامسکی به شما نشان میدهد که چگونه دادههای آشفته را مهار کنید، سیگنالها را در آن بیابید و مدلهایی بسازید که پیشبینیهای قدرتمندی را با فراگیران گروه، یکی از رایجترین کلاسهای الگوریتمهای یادگیری ماشین، انجام دهید.
اصول اولیه خط لوله یادگیری ماشین را مرور کنید تا متوجه شوید که فراگیران گروه در کجا مینشینند. در مورد تئوری اساسی که فراگیران گروه را هدایت می کند آشنا شوید، نمونه هایی از یادگیری گروهی در پایتون را پوشش می دهد و سپس مدل های خود را پیاده سازی می کند. مفاهیمی مانند تقویت، بسته بندی، و انباشتن، و نحوه استفاده از هر کدام و زمان را کاوش کنید. ابزارهایی را که برای افزایش قدرت پیشبینی و پیشرفت مهارتهای یادگیری ماشینی خود نیاز دارید، دریافت کنید.
اصول اولیه خط لوله یادگیری ماشین را مرور کنید تا متوجه شوید که فراگیران گروه در کجا مینشینند. در مورد تئوری اساسی که فراگیران گروه را هدایت می کند آشنا شوید، نمونه هایی از یادگیری گروهی در پایتون را پوشش می دهد و سپس مدل های خود را پیاده سازی می کند. مفاهیمی مانند تقویت، بسته بندی، و انباشتن، و نحوه استفاده از هر کدام و زمان را کاوش کنید. ابزارهایی را که برای افزایش قدرت پیشبینی و پیشرفت مهارتهای یادگیری ماشینی خود نیاز دارید، دریافت کنید.
مهارت ها
Machine LearningPythonArtificial Intelligence (AI)Open SourceDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - یادگیری گروهی را کاوش کنید
- 02 - آنچه باید بدانید
- 03 - چه ابزارهایی نیاز دارید
- 04 - استفاده از فایل های تمرین
1. اصول یادگیری ماشین را مرور کنید
- 05 - یادگیری ماشین چیست
- 06 - یادگیری ماشینی در زندگی واقعی چگونه است؟
- 07 - خط لوله یادگیری ماشینی سرتاسر به چه شکل است؟
- 08 - مبادله سوگیری-واریانس
2. آماده سازی داده ها
- 09 - خواندن در داده ها
- 10 - پاکسازی مداوم ویژگی ها
- 11 - پاکسازی ویژگی های طبقه بندی شده
- 12 - تمام مجموعه های قطار، اعتبار سنجی و آزمایش را بنویسید
3. Ensemble Learning چیست
- 13 - یادگیری گروهی چیست
- 14 - یادگیری گروهی چگونه کار می کند
- 15 - چرا یادگیری گروهی اینقدر قدرتمند است؟
4. تقویت
- 16 - چه چیزی تقویت کننده است
- 17 - چگونه تقویت خطای کلی را کاهش می دهد
- 18 - چه زمانی باید به استفاده از بوستینگ فکر کنید
- 19 - نمونه هایی از الگوریتم هایی که از تقویت استفاده می کنند چیست؟
- 20 - الگوریتم های تقویت را در پایتون کاوش کنید
- 21 - مدل تقویتی را اجرا کنید
5. کوله بری
- 22 - کیسه زدن چیست
- 23 - چمدان کردن چگونه خطای کلی را کاهش می دهد
- 24- چه زمانی باید به استفاده از کیسه کشی فکر کنید
- 25 - نمونه هایی از الگوریتم هایی که از کیسه بندی استفاده می کنند چیست؟
- 26 - الگوریتم های بسته بندی را در پایتون کاوش کنید
- 27 - مدل بگینگ را پیاده سازی کنید
6. روی هم چیدن
- 28 - چیده شدن
- 29 - چگونه انباشتن خطای کلی را کاهش می دهد
- 30 - چه زمانی باید به استفاده از انباشته شدن فکر کنید
- 31 - نمونه هایی از الگوریتم هایی که از انباشتگی استفاده می کنند چیست؟
- 32 - الگوریتم های انباشتگی را در پایتون کاوش کنید
- 33 - مدل انباشتگی را پیاده سازی کنید
نتیجه
- 34 - سه روش را با هم مقایسه کنید
- 35 - همه مدل ها را در مجموعه اعتبارسنجی مقایسه کنید
- 36 - چگونه به پیشرفت مهارت های خود ادامه دهید
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی یادگیری ماشین و آمار فضایی در پایتون
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی یادگیری ماشین کاربردی: برآورد ارزش
- دوره آموزشی یادگیری ماشین کاربردی: یادگیری نظارتشده
- دوره آموزشی یادگیری ماشین در مخابرات: از مبانی تا نمونههای واقعی
- دوره آموزشی Power BI: ترکیب هوش مصنوعی با دادهها