Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره هر دو دلیل و چگونگی استفاده از یادگیری scikit را فرا می گیرد. شما در طبقه بندی مداوم در حال رشد کتابخانه های یادگیری ماشین و جنبه های مهم کار با برآوردگرها و خطوط لوله یادگیری scikit یاد خواهید گرفت. حتی اگر تعداد چارچوب های یادگیری ماشین و کتابخانه ها به طور روزانه افزایش یابد ، scikit -Learn محبوبیت خود را با سهولت حفظ می کند. scikit-learn موارد استفاده معمول در یادگیری ماشین - خوشه بندی ، طبقه بندی ، کاهش ابعاد و رگرسیون - را فوق العاده آسان می کند. در این دوره ، با ساختن اولین راه حل یادگیری scikit خود ، توانایی شناسایی موقعیت هایی را پیدا خواهید کرد که scikit-learn دقیقاً ابزاری است که به دنبال آن می گردید و همچنین شرایطی که به چیز دیگری نیاز دارید. اول ، شما یاد می گیرید که بر خلاف یادگیری عمیق یا ایجاد شبکه های عصبی ، چگونه scikit-learn's niche یادگیری ماشین سنتی است. در مرحله بعدی ، خواهید فهمید که چگونه یکپارچه با کتابخانه های اصلی Python ادغام می شود. سپس ، مجموعه معمولی مراحل مورد نیاز برای کار با مدل ها را در یادگیری دقیق بررسی خواهید کرد. سرانجام ، شما با ساختن اولین مدلهای رگرسیون و رگرسیون یادگیری سریع یادگیری خود را جمع آوری می کنید. پس از اتمام این دوره ، مهارت و دانش لازم برای شناسایی دقیق شرایط یادگیری scikit را باید ابزار انتخابی شما و همچنین چگونگی استفاده بهینه از توانایی های عالی یادگیری scikit باشد.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
کاوش یادگیری دقیق برای یادگیری ماشین
Exploring scikit-learn for Machine Learning
بررسی اجمالی ماژول
Module Overview
پیش نیازها و طرح کلی دوره
Prerequisites and Course Outline
معرفی یادگیری ماشین
Introducing Machine Learning
یادگیری از داده ها: آموزش و پیش بینی
Learning from Data: Training and Prediction
مدل های سنتی و نمایندگی ML
Traditional and Representation ML Models
جایگاه یادگیری دقیق در ML
The Niche of scikit-learn in ML
Janani Ravi یک معمار و مهندس داده خبره Google cloud است.
جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.
نمایش نظرات