دوره آموزشی اشتباهاتی که باید در یادگیری ماشین از آنها اجتناب کنید
40 دقیقهمتوسط2020-09-22
مدرسین

Brett Vanderblock
Data Scientist with Patagonia and Cofounder of Think Fast Analytics

Madecraft
Full-Service Learning Content Company
جزئیات دوره
ساخت مدلهای یادگیری ماشین میتواند یک روند هیجان انگیز باشد. اما اغلب اوقات، دانشمندان داده خود را درگیر خطاها، خروجی بد و انبوهی از مسائل دیگر میدانند که میتواند پیشرفت آنها را کند کند. در این دوره سریع، نکات تخصصی را در مورد چگونگی جلوگیری از رایجترین اشتباهاتی که دانشمندان هنگام ساخت مدلهای یادگیری ماشین مرتکب میشوند، دریافت کنید. مربی Brett Vanderblock، دانشمند ارشد داده در Patagonia، تخصص خود را برای کمک به شما در تنظیم دقیق روند کار یادگیری ماشین به اشتراک میگذارد. از کار کردن با دادههای بد، نصب بیش از حد و عدم دریافت بازخورد. چیزهای زیادی برای یادگیری وجود دارد.
مهارت ها
Machine LearningPersonaArtificial Intelligence (AI)
سرفصل ها
0. مقدمه
- 01- اجتناب از اشتباهات یادگیری ماشینی
- 02- استفاده از فایل های تمرینی
1. اشتباهاتی که باید اجتناب کنید
- 03-با فرض اینکه داده ها خوب هستند
- 04- بی توجهی به مشورت با کارشناسان موضوع
- 05-مدل های خود را بیش از حد مناسب کنید
- 06- استاندارد نکردن داده های شما
- 07- تمرکز بر عوامل اشتباه
- 08-نشت داده ها
- 09-فراموش کردن ابزارهای آمار سنتی
- 10- با فرض استقرار یک نسیم
- 11- با فرض اینکه یادگیری ماشینی جواب می دهد
- 12- توسعه در سیلو
- 13-عدم درمان برای نمونه گیری نامتعادل
- 14-تفسیر ضرایب خود بدون درمان مناسب برای چند خطی
- 15-ارزیابی با دقت به تنهایی
- 16- ارائه بیش از حد فنی
نتیجه
- 17- مهارت های یادگیری ماشینی خود را به سطح بالاتری ببرید
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