آموزش درخت‌های تصمیم پیشرفته - آخرین آپدیت

دانلود Advanced Decision Trees

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: درخت‌های تصمیم به دلیل سادگی، تفسیرپذیری و اثربخشی در هر دو وظیفه طبقه‌بندی (Classification) و رگرسیون (Regression)، یکی از پرکاربردترین مدل‌های یادگیری ماشین هستند. با این حال، ساخت یک مدل درخت تصمیم با کارایی بالا نیازمند درک عمیق از ساختار، تکنیک‌های بهینه‌سازی و معیارهای ارزیابی است. در این دوره آموزشی «درخت‌های تصمیم پیشرفته»، شما یاد می‌گیرید که چگونه مدل‌های درخت تصمیم را برای دستیابی به دقت و تفسیرپذیری بیشتر، بسازید، ارزیابی و تنظیم کنید. در ابتدا، انواع مختلف درخت‌های تصمیم و کاربردهای آن‌ها را بررسی می‌کنید تا بدانید در چه زمانی از هر کدام استفاده کنید. سپس، نحوه ارزیابی مدل‌ها را با استفاده از معیارهای کلیدی عملکرد مانند Accuracy و RMSE می‌آموزید و اهمیت ویژگی‌ها (Feature Importance) را تحلیل خواهید کرد. در نهایت، روش‌های بهینه‌سازی مدل‌ها از طریق تنظیم هایپرپارامترها، اعمال تکنیک‌های هرس کردن (Pruning) و جلوگیری از بیش‌برازش (Overfitting) را فرا می‌گیرید. پس از اتمام این دوره، شما مهارت و دانش لازم برای ساخت و اصلاح موثر مدل‌های درخت تصمیم را خواهید داشت تا مطمئن شوید این مدل‌ها در سناریوهای واقعی، بهینه‌ترین عملکرد را دارند.

سرفصل ها و درس ها

ارزیابی مدل‌های درخت تصمیم Evaluating Decision Tree Models

مقدمه‌ای بر درخت‌های تصمیم Introduction to Decision Trees
ارزیابی مدل‌های درخت تصمیم Evaluating Decision Tree Models
درک اهمیت ویژگی‌ها Understanding Feature Importance
دمو: ارزیابی درخت‌های تصمیم در پایتون Demo: Evaluating Decision Trees in Python

بهینه‌سازی مدل‌های درخت تصمیم Optimizing Decision Tree Models

بیش‌برازش در درخت‌های تصمیم Overfitting in Decision Trees
تکنیک‌های هرس کردن در درخت‌های تصمیم Pruning Techniques for Decision Trees
تنظیم هایپرپارامترها برای درخت‌های تصمیم Hyperparameter Tuning for Decision Trees
دمو: بهینه‌سازی درخت‌های تصمیم Demo: Optimizing Decision Trees