دوره آموزشی یادگیری ماشین کاربردی: یادگیری تجمیعی (Ensemble Learning)

آیا می‌خواهی مهارت‌های خودت رو در یادگیری ماشین ارتقا بدی ولی نمی‌دونی از کجا شروع کنی؟ لازم نیست که تحصیلات رسمی در علم داده داشته باشی تا بتونی به هدفت برسی. در این دوره، مدرس دوره، Matt Harrison، مفاهیم اصلی یادگیری جمعی (Ensemble Learning) رو بهت آموزش می‌ده. با روش‌های مختلف یادگیری جمعی مثل bagging، boosting، و stacking آشنا می‌شی و یاد می‌گیری چطور این‌ها رو با استفاده از کتابخانه‌های معروف Python مثل scikit-learn و XGBoost پیاده‌سازی کنی. در پایان این دوره، مهارت‌هایی که برای پیاده‌سازی و بهینه‌سازی مدل‌های یادگیری جمعی در پروژه‌های واقعی یادگیری ماشین نیاز داری رو کسب می‌کنی.

اهداف یادگیری:
درک مفاهیم اصلی یادگیری جمعی (Ensemble Learning) از جمله bagging، boosting، و stacking و کاربردهای عملی آن‌ها.
تجربه عملی پیاده‌سازی مدل‌های یادگیری جمعی مثل جنگل تصادفی (Random Forest)، AdaBoost، gradient boosting، XGBoost و stacking با استفاده از کتابخانه‌های Python.
یادگیری نحوه تنظیم پارامترهای مدل‌های مختلف یادگیری جمعی برای بهینه‌سازی عملکرد پیش‌بینی.