آموزش مهندس یادگیری ماشین شوید - گام به گام (2020)

سرفصل ها و درس ها

مقدمه ای بر یادگیری ماشین و درگیری داده ها Introduction to Machine Learning & Data Wrangling

• جعبه سیاه مقدمه ای بر یادگیری ماشین Black Box Introduction to Machine Learning

• تعداد ضروری Essential NumPy

• Pandas ضروری برای یادگیری ماشین Essential Pandas for Machine Learning

مدل های خطی ، درختان و پیش پردازش Linear Models, Trees & Preprocessing

• مدل های خطی برای رگرسیون و طبقه بندی Linear Models for Regression & Classification

• تکنیک های پیش پردازش با استفاده از scikit Pre-Processing Techniques using scikit

• درختان تصمیم Decision Trees

ارزیابی مدل ، انتخاب ویژگی و خطوط لوله Model Evaluation, Feature Selection & Pipelining

• انتخاب و ارزیابی مدل Model Selection & Evaluation

• تکنیک های انتخاب ویژگی Feature Selection Techniques

• برآوردگرهای ترکیبی با استفاده از خطوط لوله و FeatureUnions Composite Estimators using Pipelines & FeatureUnions

بیز ، نزدیکترین همسایگان و خوشه بندی Bayes, Nearest Neighbours & Clustering

• ساده لوح بیز Naive Bayes

• نزدیکترین همسایگان Nearest Neighbors

• آنالیز خوشه ای Cluster Analysis

SVM ، ناهنجاری ها ، کلاس های نامتعادل ، روش های گروه SVM, Anomalies, Imbalanced Classes, Ensemble Methods

• تشخیص ناهنجاری Anomaly Detection

• مدیریت کلاسهای نامتعادل Handling Imbalanced Classes

• پشتیبانی از ماشین بردار Support Vector Machine

• روش های گروه Ensemble Methods