دوره آموزشی یادگیری ماشین با پایتون: رگرسیون لجستیک
1 ساعت 18 دقیقهمتوسط2022-11-09
مدرسین

Frederick Nwanganga
Information Technology Professional and Teacher
جزئیات دوره
آیا به دنبال راهی عملی برای استفاده از یادگیری ماشینی برای حل مسائل پیچیده دنیای واقعی هستید؟ رگرسیون لجستیک رویکردی برای یادگیری ماشینی نظارت شده است که مقادیر انتخابی را برای پیشبینی نتایج احتمالی مدلسازی میکند. در این دوره، فردریک نوانگانگا، استاد نوتردام، راهنمای گام به گام نحوه ساخت یک مدل رگرسیون لجستیک با استفاده از پایتون را در اختیار شما قرار می دهد. نکات عملی برای جمع آوری، کاوش، و تبدیل داده های خود را قبل از شروع بیاموزید. در پایان این دوره، شما مهارت های فنی برای دانستن اینکه چه زمانی و چگونه به تنهایی یک مدل رگرسیون لجستیک را طراحی، ساخت، ارزیابی و به طور موثر مدیریت کنید، خواهید داشت.
مهارت ها
Machine LearningPythonArtificial Intelligence (AI)Programming LanguagesOpen SourceSoftware DevelopmentDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - طبقه بندی داده ها با رگرسیون لجستیک
- 02 - آنچه باید بدانید
- 03 - استفاده از فایل های تمرین
- 04 - استفاده از GitHub Codespaces با این دوره
1. رگرسیون
- 05 - پسرفت چیست
- 06 - آناتومی یک مدل رگرسیون
- 07 - انواع متداول رگرسیون
2. رگرسیون لجستیک
- 08 - رگرسیون لجستیک چیست
- 09 - پیش بینی با رگرسیون لجستیک
- 10 - تفسیر ضرایب رگرسیون لجستیک
- 11- چرا و چه زمانی از رگرسیون لجستیک استفاده کنیم
3. طبقه بندی داده ها با رگرسیون لجستیک
- 12 - نحوه کاوش داده ها برای رگرسیون لجستیک در پایتون
- 13 - نحوه آماده سازی داده ها برای رگرسیون لجستیک در پایتون
- 14 - نحوه ساخت مدل رگرسیون لجستیک در پایتون
- 15 - نحوه تفسیر مدل رگرسیون لجستیک در پایتون
نتیجه
- 16 - مراحل بعدی