آموزش مدل سازی پیش بینی را با MATLAB انجام دهید

Perform Predictive Modeling with MATLAB

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: در این دوره ، هنگام کار روی یک مشکل یادگیری ماشین با MATLAB ، از همه موارد درگیر استفاده خواهید کرد - از تمیز کردن داده ها تا آموزش مدل ، که درک شما را از یکی از محبوب ترین گزینه های شغلی بالا می برد! این روزها ، داده ها در همه جا فراوان و فراوان است. . تجزیه و تحلیل این داده ها و سپس قرار دادن آنها در معرض مدل های یادگیری ماشین که به نوبه خود پیش بینی هایی را ایجاد می کنند ، ضروری شده است. کل استارتاپ ها با استفاده از این مبنا ساخته شده اند و مشاغل مستقر برای گسترش توانایی های خود از آن استفاده می کنند. ابزارهای زیادی برای انجام این کار وجود دارد و MATLAB یکی از ابزارهای بزرگ است. در این دوره ، انجام پیش بینی مدل سازی با MATLAB ، اطلاعات و تجزیه و تحلیل داده ها و مدل سازی پیش بینی را از طریق MATLAB یاد خواهید گرفت. ابتدا دوره را با معرفی مختصری از مشکل تجاری آغاز خواهید کرد که در طول دوره تمدید خواهد شد. در مرحله بعدی ، می آموزید که مجموعه داده های ما را برای تجزیه و تحلیل و مدل سازی آماده کنید. سپس ، نحوه انتخاب الگوریتم صحیح برای مشکل تجاری را مشخص خواهید کرد. سرانجام ، شما می آموزید که چگونه مدل را بر روی مجموعه داده آموزش داده و آزمایش کنید و سپس عملکرد آن را ارزیابی کنید. وقتی این دوره را به پایان رسانید ، درک کاملی از نحوه کار با یک مشکل یادگیری ماشین با MATLAB خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

آماده سازی داده ها برای مدل سازی Preparing Data for Modeling

  • معرفی دوره و ماژول Course and Module Introduction

  • مقدمه ای بر مسئله تجارت Introduction to the Business Problem

  • پیش پردازش داده ها - چه و چرا؟ Data Preprocessing - What and Why?

  • نسخه ی نمایشی: وارد کردن مجموعه داده Demo: Importing the Dataset

  • داده از دست رفته Missing Data

  • نسخه ی نمایشی: پرداختن به اطلاعات از دست رفته در MATLAB Demo: Dealing with Missing Data in MATLAB

  • داده های دسته بندی شده Categorical Data

  • نسخه ی نمایشی: مدیریت ویژگی های دسته بندی در یک مجموعه داده Demo: Handling Categorical Features in a Dataset

  • نسخه ی نمایشی: پرداختن به تاریخ Demo: Dealing with Dates

  • خلاصه ماژول Module Summary

انتخاب الگوریتم صحیح Choosing the Correct Algorithm

  • معرفی ماژول Module Introduction

  • انواع الگوریتم های یادگیری ماشین Types of Machine Learning Algorithms

  • یادگیری تحت نظارت Supervised Learning

  • رگرسیون خطی Linear Regression

  • درخت تصمیم Decision Tree

  • جنگل تصادفی Random Forest

  • خلاصه ماژول Module Summary

آموزش ، آزمایش و ارزیابی مدل Training, Testing, and Evaluating the Model

  • معرفی ماژول Module Introduction

  • تقسیم مجموعه داده خود را به آموزش و آزمایش داده ها Splitting Your Dataset into Training and Testing Data

  • Holdout و اعتبار سنجی ضربدر K برابر Holdout and K-fold Cross Validation

  • معیارهای ارزیابی Evaluation Metrics

  • نسخه ی نمایشی: آموزش مدل رگرسیون خطی Demo: Training a Linear Regression Model

  • نسخه ی نمایشی: آموزش یک درخت تصمیم و مدل جنگل تصادفی Demo: Training a Decision Tree and Random Forest Model

  • خلاصه و بازخورد ماژول Module Summary and Feedback

نمایش نظرات

آموزش مدل سازی پیش بینی را با MATLAB انجام دهید
جزییات دوره
1h 11m
25
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pratheerth Padman Pratheerth Padman

Pratheerth یک دانشمند داده است که پس از ترکیبی التقاطی از تجربیات کاری و کاری وارد این حوزه شده است. وی دارای مدرک کارشناسی مهندسی در مکاترونیک از هند ، کارشناسی ارشد مدیریت مهندسی از استرالیا و سپس چند سال سابقه کار به عنوان مهندس تولید در خاورمیانه است. سپس هنگامی که اشکال A.I او را گاز گرفت ، او همه چیز را رها کرد تا زندگی خود را وقف این میدان کند. وی در حال حاضر به عنوان Data Scientist در زمینه مشاوره ، ایجاد دوره و فریلنسینگ کار می کند.