آموزش پیش‌بینی رفتارهای اقلیمی شدید با یادگیری ماشین - آخرین آپدیت

دانلود Predicting Extreme Climate Behavior with Machine Learning

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در دوره «پیش‌بینی رفتارهای اقلیمی شدید با یادگیری ماشین»، شما مفاهیم نظری و کاربردهای عملی یادگیری ماشین و تحلیل داده‌ها را بررسی خواهید کرد. آموزش با تحلیل الگوریتم‌های یادگیری بدون نظارت آغاز می‌شود و تکنیک‌هایی مانند خوشه‌بندی و کاهش ابعاد را فرا گرفته و آن‌ها را روی مجموعه‌داده‌های واقعی اقلیمی پیاده خواهید کرد. همچنین در بخش یادگیری بانظارت، تجربه عملی کار با الگوریتم‌هایی نظیر رگرسیون لجستیک، درخت‌های تصمیم و شبکه‌های عصبی را کسب می‌کنید. این دوره می‌تواند به عنوان بخشی از واحد‌های تحصیلی مقطع کارشناسی ارشد علوم داده (MS-DS) دانشگاه CU Boulder در پلتفرم کورسرا گذرانده شود. مدرک MS-DS یک برنامه بین‌رشته‌ای است که اساتید دپارتمان‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایر بخش‌های دانشگاه CU Boulder را گرد هم می‌آورد. این مقطع تحصیلی دوره‌های هدفمند، جلسات کوتاه ۸ هفته‌ای و شهریه منعطف را ارائه می‌دهد. پذیرش بر اساس عملکرد در سه دوره مقدماتی است و نه سوابق تحصیلی گذشته. مدارک CU در کورسرا برای فارغ‌التحصیلان جدید یا متخصصان شاغل ایده‌آل است. بیشتر بدانید: کارشناسی ارشد علوم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder

سرفصل ها و درس ها

یادگیری بدون نظارت: کاهش ابعاد Unsupervised Learning: Dimensionality Reduction

  • معرفی دوره Introduction to the Course

  • آشنایی با مدرس Meet the Instructor

  • مقدمه‌ای بر یادگیری بدون نظارت و تکنیک‌های آن Introduction to Unsupervised Learning and Techniques

  • مروری بر تحلیل مؤلفه‌های اصلی (PCA) PCA Overview

  • بررسی PCA از منظر تجزیه مقادیر تکین (SVD) PCA in Terms of SVD

  • پیاده‌سازی PCA روی داده‌های دمای خاک: بررسی نوت‌بوک PCA on Soil Temperature Data: Notebook Walkthrough

یادگیری بدون نظارت: خوشه‌بندی Unsupervised Learning: Clustering

  • مقدمه‌ای بر خوشه‌بندی K-Means Introduction to K-Means Clustering

  • مبانی ریاضی خوشه‌بندی K-Means K-Means Clustering Mathematical

  • خوشه‌بندی چیست: بررسی نوت‌بوک What is Clustering: Notebook Walkthrough

یادگیری بانظارت: رگرسیون‌ها Supervised Learning: Regressions

  • مقدمه‌ای بر رگرسیون آماری: بررسی نوت‌بوک Introduction to Statistical Regression: Notebook Walkthrough

  • مقدمه‌ای بر رگرسیون خطی چندگانه: بررسی نوت‌بوک Introduction to Multiple Linear Regression: Notebook Walkthrough

یادگیری بانظارت: رگرسیون لجستیک، درخت‌های تصمیم و SVMها Supervised Learning: Logistic Regression, Decision Trees, and SVMs

  • مقدمه‌ای بر رگرسیون لجستیک: مباحث تئوری Introduction to Logistic Regression: Theoretical

  • مقدمه‌ای بر رگرسیون لجستیک: بررسی نوت‌بوک Introduction to Logistic Regression: Notebook Walkthrough

  • مقدمه‌ای بر درخت‌های تصمیم: مباحث تئوری Introduction to Decision Trees: Theoretical

  • مقدمه‌ای بر درخت‌های تصمیم: بررسی عملی نوت‌بوک Introduction to Decision Trees: Practical Notebook Walkthrough

  • ماشین‌های بردار پشتیبان (SVM): بخش اول Support Vector Machines: Part 1

  • ماشین‌های بردار پشتیبان (SVM): بخش دوم Support Vector Machines: Part 2

  • ماشین‌های بردار پشتیبان (SVM): بخش سوم Support Vector Machines: Part 3

  • ماشین‌های بردار پشتیبان (SVM): بخش چهارم Support Vector Machines: Part 4

  • مقدمه‌ای بر ماشین‌های بردار پشتیبان: بررسی عملی نوت‌بوک Introduction to Support Vector Machines: Practical Notebook Walkthrough

یادگیری بانظارت: شبکه‌های عصبی Supervised Learning: Neural Networks

  • مقدمه‌ای بر شبکه‌های عصبی: بخش اول Introduction to Neural Networks: Part 1

  • مقدمه‌ای بر شبکه‌های عصبی: بخش دوم Introduction to Neural Networks: Part 2

  • به‌کارگیری شبکه‌های عصبی روی داده‌های اقلیمی برای شدت خشکسالی Applying Neural Networks on Climate Data for Drought Severity

نمایش نظرات

آموزش پیش‌بینی رفتارهای اقلیمی شدید با یادگیری ماشین
جزییات دوره
24h 0m
23
(آخرین آپدیت)
885
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده