آموزش یادگیری ماشین با Scikit-Learn

Machine Learning with Scikit-Learn

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: توانایی استفاده از الگوریتم های یادگیری ماشین بخش مهمی از مجموعه مهارت های دانشمند داده است. scikit-learn یک کتابخانه محبوب منبع باز Python است که نسخه های کاربر پسند و کارآمد الگوریتم های متداول یادگیری ماشین را ارائه می دهد. در این دوره ، دانشمند داده مایکل گالارنیک توضیح می دهد که چگونه از یادگیری ناگهانی برای یادگیری ماشین تحت نظارت و بدون نظارت استفاده کنید. مایکل مزایای این API با کاربرد آسان را مرور می کند و سپس به سرعت به دنبال روش های عملی می رود ، شروع با رگرسیون خطی و لجستیک ، درختان تصمیم گیری و مدل های تصادفی جنگل. در فصل سه ، او تکنیک های یادگیری بدون نظارت مانند خوشه بندی K-means و تجزیه و تحلیل مalلفه های اصلی (PCA) را پوشش می دهد. بعلاوه ، بیاموزید که چگونه خطوط لوله یادگیری scikit ایجاد کنید تا کد شما تمیزتر و در برابر اشکالات مقاوم باشد. در پایان دوره ، شما قادر خواهید بود نقاط قوت و ضعف هر الگوریتم یادگیری scikit را یاد بگیرید و مدل های یادگیری ماشین کارآمدتر و کارآمدتری بسازید.

این دوره توسط Madecraft ایجاد شده است. ما خوشحالیم که میزبان این مطالب در کتابخانه خود هستیم.

موضوعات شامل:
  • چرا باید از scikit-learn استفاده کرد؟
  • یادگیری تحت نظارت و نظارت بدون نظارت
  • رگرسیون خطی و لجستیکی
  • درختان تصمیم گیری و جنگل های تصادفی
  • K به معنی خوشه بندی است
  • تجزیه و تحلیل م componentلفه های اصلی (PCA)

سرفصل ها و درس ها

مقدمه Introduction

  • یادگیری موثر ماشین با یادگیری دقیق Effective machine learning with scikit-learn

  • آنچه باید قبل از شروع بدانید What you should know before you start

  • با استفاده از پرونده های تمرینی Using the exercise files

1. ورودی و بارگذاری داده ها 1. Input and Loading Data

  • یادگیری ماشینی چیست؟ What is machine learning?

  • چرا باید از یادگیری قلابی برای یادگیری ماشین استفاده کرد؟ Why use scikit-learn for machine learning?

2. یادگیری تحت نظارت 2. Supervised Learning

  • یادگیری تحت نظارت چیست؟ What is supervised learning?

  • نحوه قالب بندی داده ها برای scikit-learn How to format data for scikit-learn

  • رگرسیون خطی با استفاده از scikit-learn Linear regression using scikit-learn

  • تقسیم تست قطار Train test split

  • رگرسیون لجستیک با استفاده از یادگیری دقیق Logistic regression using scikit-learn

  • رگرسیون لجستیک برای طبقه بندی چند کلاسه Logistic regression for multiclass classification

  • درختان تصمیم گیری با استفاده از یادگیری دقیق Decision trees using scikit-learn

  • نحوه تجسم درختان تصمیم با استفاده از Matplotlib How to visualize decision trees using Matplotlib

  • درختان کیسه ای با استفاده از scikit-learn Bagged trees using scikit-learn

  • جنگل های تصادفی با استفاده از scikit-learn Random forests using scikit-learn

  • از کدام مدل یادگیری ماشین استفاده کنید؟ Which machine learning model should you use?

3. یادگیری بدون نظارت 3. Unsupervised Learning

  • یادگیری بدون نظارت چیست؟ What is unsupervised learning?

  • K به معنی خوشه بندی است K-means clustering

  • تجزیه و تحلیل م componentلفه اصلی (PCA) برای تجسم داده ها Principal component analysis (PCA) for data visualization

  • PCA برای سرعت بخشیدن به الگوریتم های یادگیری ماشین PCA to speed up machine learning algorithms

  • خطوط لوله را بیاموزید scikit-learn pipelines

نتیجه Conclusion

  • با scikit-learn شروع کنید Get started with scikit-learn

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری ماشین با Scikit-Learn
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
43m 57s
22
Linkedin (لینکدین) lynda-small
24 مهر 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
968
- از 5
ندارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Madecraft Madecraft

شرکت محتوای یادگیری با سرویس کامل Madecraft یک شرکت محتوای یادگیری کامل سرویس است که در سانتا باربارا ، کالیفرنیا مستقر است.

خط لوله تولید برنده جایزه این شرکت در حال ایجاد نسل بعدی محتوای یادگیری است که مهارت های دنیای واقعی را آموزش می دهد و ارائه می دهد.

Madecraft بهترین استعدادهای صنعت و شرکای قابل اعتماد را با یک چشم انداز جمع می کند: به مشتریان از محتوای برتر در سطح صدای مارک خود ، اطلاعات بالایی ارائه دهید. تیم Madecraft متعهد به افزایش سهام و ارتقا the صنایع دستی با محتوای کارآمد و مقیاس پذیر مطابق با مشخصات مشتری و ساخته شده برای تعامل و توانمند سازی افراد است.

اگر شما یا شرکت خود به دنبال تیمی برای ساخت دوره های آنلاین هستید ، از Madecraft در onlymadecraft.com دیدن کنید.

Michael Galarnyk Michael Galarnyk

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.