لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشین نظارت شده: رگرسیون
- آخرین آپدیت
دانلود Supervised Machine Learning: Regression
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره شما را با یکی از خانوادههای اصلی مدلسازی در یادگیری ماشین نظارت شده، یعنی رگرسیون (Regression)، آشنا میکند. شما خواهید آموخت که چگونه مدلهای رگرسیونی را برای پیشبینی نتایج پیوسته آموزش دهید و چگونه از معیارهای خطا برای مقایسه مدلهای مختلف استفاده کنید. همچنین، این دوره شما را با بهترین شیوهها، از جمله تقسیم دادهها به مجموعههای آموزش و تست، و تکنیکهای منظمسازی (Regularization) آشنا میکند.
در پایان این دوره، شما قادر خواهید بود:
- تفاوت کاربردهای طبقهبندی (Classification) و رگرسیون را در محیط یادگیری ماشین نظارت شده تشخیص دهید
- مدلهای رگرسیون خطی را توصیف و پیادهسازی کنید
- از معیارهای مختلف خطا برای مقایسه و انتخاب بهترین مدل رگرسیون خطی متناسب با دادههای خود استفاده کنید
- دلیل کمک منظمسازی در جلوگیری از بیشبرازش (Overfitting) را شرح دهید
- از رگرسیونهای منظمسازی شده شامل Ridge، LASSO و Elastic net استفاده کنید
چه کسانی باید در این دوره شرکت کنند؟
این دوره برای دیتاساینتیستهای آیندهدار طراحی شده است که علاقهمند به کسب تجربه عملی در استفاده از تکنیکهای رگرسیون یادگیری ماشین نظارت شده در محیطهای کسبوکار هستند.
پیشنیازها:
برای بهرهمندی حداکثری از این دوره، باید با برنامهنویسی در محیط پایتون (Python) آشنا باشید و درک پایهای از پاکسازی دادهها (Data Cleaning)، تحلیل اکتشافی دادهها (EDA)، حساب دیفرانسیل و انتگرال، جبر خطی، احتمال و آمار داشته باشید.
سرفصل ها و درس ها
مقدمهای بر یادگیری ماشین نظارت شده و رگرسیون خطی
Introduction to Supervised Machine Learning and Linear Regression
ویدئوی خوشآمدگویی و معرفی
Welcome/Introduction Video
مقدمهای بر یادگیری ماشین نظارت شده - انواع یادگیری ماشین (بخش اول)
Introduction to Supervised Machine Learning - Types of Machine Learning (Part 1)
مقدمهای بر یادگیری ماشین نظارت شده - انواع یادگیری ماشین (بخش دوم)
Introduction to Supervised Machine Learning - Types of Machine Learning (Part 2)
اعتبارسنجی متقاطع - بخش اول
Cross Validation - Part 1
دموی اعتبارسنجی متقاطع - بخش اول
Cross Validation Demo - Part 1
دموی اعتبارسنجی متقاطع - بخش دوم
Cross Validation Demo - Part 2
دموی اعتبارسنجی متقاطع - بخش سوم
Cross Validation Demo - Part 3
دموی اعتبارسنجی متقاطع - بخش چهارم
Cross Validation Demo - Part 4
دموی اعتبارسنجی متقاطع - بخش پنجم
Cross Validation Demo - Part 5
تعادل میان بایاس و واریانس و تکنیکهای منظمسازی: Ridge, LASSO و Elastic Net
Bias Variance Trade off and Regularization Techniques: Ridge, LASSO, and Elastic Net
تعادل بایاس و واریانس (بخش اول)
Bias Variance Trade off (Part 1)
تعادل بایاس و واریانس (بخش دوم)
Bias Variance Trade off (Part 2)
منظمسازی و انتخاب مدل
Regularization and Model Selection
رگرسیون ریج (Ridge Regression)
Ridge Regression
رگرسیون لاسو (Lasso Regression) - بخش اول
Lasso Regression (Part 1)
رگرسیون لاسو (Lasso Regression) - بخش دوم
Lasso Regression (Part 2)
الاستیک نت (Elastic Net)
Elastic Net
دموی ویژگیهای چندجملهای و منظمسازی - بخش اول
Polynomial Features and Regularization Demo - Part 1
دموی ویژگیهای چندجملهای و منظمسازی - بخش دوم
Polynomial Features and Regularization Demo - Part 2
دموی ویژگیهای چندجملهای و منظمسازی - بخش سوم
Polynomial Features and Regularization Demo - Part 3
جزئیات پیشرفته منظمسازی
Regularization Details
جزئیات بیشتر منظمسازی - بخش اول
Further details of regularization - Part 1
جزئیات بیشتر منظمسازی - بخش دوم
Further details of regularization - Part 2
(اختیاری) جزئیات منظمسازی - بخش اول
(Optional) Details of Regularization - Part 1
(اختیاری) جزئیات منظمسازی - بخش دوم
(Optional) Details of Regularization - Part 2
(اختیاری) جزئیات منظمسازی - بخش سوم
(Optional) Details of Regularization - Part 3
نمایش نظرات