دوره آموزشی سطح بالا: مدل سازی داده پایتون و معیارهای ارزیابی مدل

1 ساعت 2 دقیقهپیشرفته2023-02-13

مدرسین

Seth Berry

Associate Teaching Professor and MSBA Academic Co-Director at the University of Notre Dame

جزئیات دوره

این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد.

هر قسمت از سری Level Up حداقل 15 فرصت کوچک برای تمرین برنامه نویسی در سطوح مختلف دشواری ارائه می دهد، بنابراین می توانید خود را به چالش بکشید و آنچه را که آموخته اید تقویت کنید. برای یادگیری نحوه راه‌اندازی و راه‌اندازی یک فضای کد، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را ببینید.

در این دوره، مربی ست بری 20 چالش پایتون را ارائه می‌کند که با تست مهارت‌های اولیه شروع می‌شود و به آزمون‌های پیچیده‌تر دانش شما می‌رود. هر ویدیو مستقل است، بنابراین می‌توانید چالش‌هایی را که می‌خواهید امتحان کنید انتخاب و انتخاب کنید. این تمرین های عملی را برای کار بر روی مهارت های کدنویسی خود کاوش کنید!

مهارت ها

Data ModelingPythonProgramming LanguagesData ScienceOpen SourceSoftware DevelopmentOne-Off

سرفصل ها

مقدمه

مدل سازی داده های پایتون
استفاده از GitHub Codespaces با این دوره

معیارهای ارزیابی مدل

دقت محاسبه
محاسبه امتیاز F و MCC
ارزیابی منحنی های ROC
محاسبه RMSE و MAE

مدل سازی

وارد کردن مقادیر از دست رفته
تعادل داده ها
پارتیشن بندی داده ها
ذخیره داده ها برای مدل ها
مدل های خود را تنظیم کنید
استفاده از رگرسیون خطی
استفاده از رگرسیون لجستیک
استفاده از درختان تصمیم
استفاده از جنگل تصادفی
استفاده از نمودارهای XGBoost و SHAP
طبقه بندی با شبکه های عصبی عمیق
ذخیره و استقرار مدل ها