آموزش جنگل‌های تصادفی (Random Forests) - آخرین آپدیت

دانلود Random Forests

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مدل‌های یادگیری ماشین اغلب با مشکلاتی نظیر بیش‌برازش (Overfitting)، تورش (Bias) و ناپایداری در مواجهه با داده‌های پیچیده روبرو هستند. در دوره آموزشی جنگل‌های تصادفی، شما یاد می‌گیرید که با استفاده از یادگیری گروهی (Ensemble Learning)، مدل‌های یادگیری ماشین قدرتمند و دقیقی بسازید. در ابتدا، اصول بنیادی جنگل تصادفی را بررسی خواهیم کرد و می‌بینیم که این الگوریتم چگونه با ترکیب چندین درخت تصمیم، دقت را افزایش، واریانس را کاهش و عملکرد پیش‌بینی را بهبود می‌بخشد. سپس، تکنیک‌های کلیدی مانند اهمیت ویژگی‌ها (Feature Importance)، تنظیم هایپرپارامترها و استراتژی‌های جلوگیری از بیش‌برازش را خواهید آموخت. در نهایت، نحوه پیاده‌سازی جنگل تصادفی را با استفاده از زبان پایتون و کتابخانه scikit-learn بر روی مجموعه‌داده‌های واقعی یاد می‌گیرید. پس از اتمام این دوره، شما مهارت و دانش لازم برای توسعه مدل‌های یادگیری ماشین قابل اعتماد و با کارایی بالا را به دست خواهید آورد.

سرفصل ها و درس ها

رمزگشایی از جنگل‌های تصادفی: تئوری، نقاط قوت و ملاحظات عملی Demystifying Random Forests: Theory, Strengths, and Practical Considerations

  • مقدمه‌ای بر جنگل‌های تصادفی Introduction to Random Forests

  • جنگل‌های تصادفی چگونه کار می‌کنند How Random Forests Work

  • نقاط قوت، محدودیت‌ها و ارزیابی مدل Strengths, Limitations, and Model Evaluation

  • تنظیم دقیق و مقایسه جنگل‌های تصادفی - بخش اول Fine-tuning and Comparing Random Forests - Part 1

  • تنظیم دقیق و مقایسه جنگل‌های تصادفی - بخش دوم Fine-tuning and Comparing Random Forests - Part 2

کار عملی با جنگل تصادفی: آموزش، تنظیم و بهینه‌سازی در پایتون Hands-on with Random Forest: Training, Tuning, and Optimization in Python

  • ساخت و آموزش مدل جنگل تصادفی Building and Training a Random Forest Model

  • تنظیم هایپرپارامترها و ارزیابی مدل - بخش اول Hyperparameter Tuning & Model Evaluation - Part 1

  • تنظیم هایپرپارامترها و ارزیابی مدل - بخش دوم Hyperparameter Tuning & Model Evaluation - Part 2

نمایش نظرات

آموزش جنگل‌های تصادفی (Random Forests)
جزییات دوره
39m
8
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
4
از 5
دارد
دارد
دارد
Marc Harb
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Marc Harb Marc Harb

مارک یک دانشمند ارشد داده با پایه‌ای قوی در مهندسی ارتباطات و کامپیوتر است و مدرک کارشناسی ارشد در زمینه هوش مصنوعی و یادگیری عمیق را از یکی از دانشگاه‌های پیشرو فرانسه دریافت کرده است. مسیر شغلی او بر پایه اشتیاق عمیق به علوم داده و هوش مصنوعی است و تخصص فنی خود را با تفکر نوآورانه ترکیب می‌کند تا راهکارهای اثرگذاری ارائه دهد. او از پتانسیل تحول‌آفرین علوم داده و هوش مصنوعی برای انقلاب در صنایع و بهبود کیفیت زندگی الهام گرفته است. مارک متعهد به کشف بینش‌های معنادار، توسعه سیستم‌های هوشمند و خلق راهکارهای نوآورانه برای مقابله با چالش‌های دنیای واقعی است.