آموزش یادگیری ماشین با پایتون: درختان تصمیم

Machine Learning with Python: Decision Trees

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
درخت‌های تصمیم یکی از رایج‌ترین رویکردهای مورد استفاده در یادگیری ماشینی نظارت شده هستند. ساختن درخت تصمیم به شما این امکان را می‌دهد که روابط پیچیده بین متغیرها را با تقلید از تصمیم‌گیری اگر به‌عنوان یک رفتار طبیعی انسانی مدل‌سازی کنید. در این دوره آموزشی، مربی فردریک نوانگانگا به شما یک نمای کلی از نحوه جمع‌آوری، کاوش، و تبدیل داده‌های خود در آماده‌سازی برای ساخت مدل‌های درخت تصمیم در پایتون می‌دهد.

قدرت درخت‌های تصمیم‌گیری، چیستی و چگونگی آن‌ها را کشف کنید. آنها ساخته می شوند و چگونه ناخالصی را در یک پارتیشن تعیین می کنند. نکاتی را از فردریک در مورد ساخت، تجسم، هرس و استفاده از درخت تصمیم در پایتون از جمله درختان طبقه بندی و درختان رگرسیون دریافت کنید. در پایان این دوره، شما آماده خواهید بود که مدل های خود را بسازید و آنها را در دامنه های مختلف اعمال کنید.

سرفصل ها و درس ها

معرفی Introduction

  • تصمیم گیری با پایتون Making decisions with Python

  • آنچه شما باید بدانید What you should know

  • ابزار مورد نیاز شما The tools you need

  • با استفاده از فایل های تمرین Using the exercise files

1. درختان تصمیم 1. Decision Trees

  • درخت تصمیم چیست؟ What is a decision tree?

  • درخت طبقه بندی چگونه ساخته می شود؟ How is a classification tree built?

  • درختان طبقه بندی چگونه ناخالصی را اندازه می گیرند؟ How do classification trees measure impurity?

  • درخت رگرسیون چگونه ساخته می شود؟ How is a regression tree built?

  • نحوه هرس درخت تصمیم How to prune a decision tree

  • چرا و چه زمانی از درخت تصمیم استفاده کنیم Why and when to use a decision tree

  • امتحان فصل Chapter Quiz

2. کار با درختان طبقه بندی 2. Working with Classification Trees

  • نحوه ساخت درخت طبقه بندی در پایتون How to build a classification tree in Python

  • نحوه تجسم درخت طبقه بندی در پایتون How to visualize a classification tree in Python

  • نحوه هرس درخت طبقه بندی در پایتون How to prune a classification tree in Python

3. کار با درختان رگرسیون 3. Working with Regression Trees

  • نحوه ساخت درخت رگرسیون در پایتون How to build a regression tree in Python

  • نحوه تجسم درخت رگرسیون در پایتون How to visualize a regression tree in Python

  • نحوه هرس درخت رگرسیون در پایتون How to prune a regression tree in Python

نتیجه Conclusion

  • مراحل بعدی با درختان تصمیم Next steps with decision trees

نمایش نظرات

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.

آموزش یادگیری ماشین با پایتون: درختان تصمیم
جزییات دوره
1h 13m
18
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Frederick Nwanganga Frederick Nwanganga

کارشناس و مدرس فناوری اطلاعات

فردریک نوانگانگا دانشیار تدریس در زمینه تجزیه و تحلیل و عملیات.

او بیش از 15 سال تجربه تحلیلی دارد و دوره های کارشناسی ارشد و لیسانس در مدیریت داده، یادگیری ماشین و تجزیه و تحلیل داده های بدون ساختار را در کالج تجارت مندوزا در دانشگاه نوتردام تدریس می کند. قبل از پیوستن به مندوزا به عنوان استاد تمام وقت، فرد تقریباً 20 سال در زمینه فناوری اطلاعات در چندین سمت به عنوان توسعه دهنده نرم افزار، تحلیلگر تجاری، مدیر پایگاه داده، مدیر پروژه و مدیر فناوری کار کرد. او به مدت سه سال یک شرکت مشاوره خدمات کسب و کار فناوری اطلاعات را تأسیس کرد و آن را اداره کرد و نویسنده کتاب درسی یادگیری ماشینی به نام یادگیری ماشین عملی در R.
است.