آموزش آموزش مدل‌های یادگیری ماشین - آخرین آپدیت

آماده‌سازی برای آموزش مدل یادگیری ماشین Prepare to Train a Machine Learning Model

• معرفی دوره: آموزش مدل‌های یادگیری ماشین Course Intro: Train Machine Learning Models

• یادگیری ماشین Machine Learning

• الگوریتم‌های یادگیری ماشین Machine Learning Algorithms

• انتخاب الگوریتم Algorithm Selection

• تنظیم تکرارشونده Iterative Tuning

• بایاس و واریانس Bias and Variance

• تعمیم‌پذیری مدل Model Generalization

• توازن بین بایاس و واریانس The Bias–Variance Tradeoff

• روش Holdout Holdout Method

• پارامترها Parameters

• فرضیه و طراحی آزمایش (DOE) Hypothesis and DOE

• تست فرضیه Hypothesis Testing

• تست‌های A/B A/B Tests

• مقدار p-value p-value

• بازه اطمینان Confidence Interval

توسعه مدل‌های طبقه‌بندی Develop Classification Models

• رگرسیون لجستیک Logistic Regression

• رگرسیون لجستیک چندجمله‌ای Multinomial Logistic Regression

• الگوریتم k-نزدیک‌ترین همسایه (kNN) k-Nearest Neighbor (k-NN)

• ماشین‌های بردار پشتیبان (SVM) Support-Vector Machines (SVMs)

• نایو بیز (Naive Bayes) Naïve Bayes

• درخت تصمیم Decision Tree

• مثال درخت تصمیم در حفظ مشتری Customer Retention Example Tree

• هرس کردن (Pruning) Pruning

• یادگیری گروهی و جنگل‌های تصادفی Ensemble Learning and Random Forests

• گرادینت بوستینگ (Gradient Boosting) Gradient Boosting

• بهینه‌سازی هایپرپارامترها Hyperparameter Optimization

• معیارهای ارزیابی Evaluation Metrics

• عملکرد مدل طبقه‌بندی Classification Model Performance

• ماتریس اغتشاش (Confusion Matrix) Confusion Matrix

• دقت، صحت، فراخوانی و ویژگی Accuracy, Precision, Recall, and Specificity

• توازن دقت-فراخوانی و امتیاز F1 Precision–Recall Tradeoff and F₁ Score

• منحنی مشخصه عملیاتی گیرنده (ROC) Receiver Operating Characteristic (ROC) Curve

• منحنی یادگیری Learning Curve

توسعه مدل‌های رگرسیون Develop Regression Models

• رگرسیون خطی Linear Regression

• رگرسیون خطی در یادگیری ماشین Linear Regression in Machine Learning

• ماتریس‌ها در رگرسیون خطی Matrices in Linear Regression

• معادله نرمال Normal Equation

• رگرسیون با استفاده از درخت تصمیم و مدل‌های گروهی Regression Using Decision Trees and Ensemble Models

• پیش‌بینی (Forecasting) Forecasting

• مدل ARIMA Autoregressive Integrated Moving Average (ARIMA)

• تابع هزینه Cost Function

• منظم‌سازی (Regularization) Regularization

• گرادیان نزولی Gradient Descent

• جستجوی شبکه‌ای و تصادفی برای رگرسیون Grid/Randomized Search for Regression

• میانگین مربع خطا (MSE) و میانگین مطلق خطا (MAE) Mean Squared Error (MSE) and Mean Absolute Error (MAE)

• ضریب تعیین Coefficient of Determination

توسعه مدل‌های خوشه‌بندی Develop Clustering Models

• خوشه‌بندی k-Means k-Means Clustering

• خوشه‌بندی سلسله‌مراتبی Hierarchical Clustering

• تحلیل کلاس پنهان Latent Class Analysis

• هایپرپارامترهای خوشه‌بندی و تنظیم آن‌ها Clustering Hyperparameters and Tuning

• معیارهای ارزیابی برای خوشه‌بندی Evaluation Metrics for Clustering

• نقطه آرنج (Elbow Point) Elbow Point

• مجموع مربعات خوشه‌ها Cluster Sum of Squares

• تحلیل سیلوئت (Silhouette Analysis) Silhouette Analysis

• زمان توقف خوشه‌بندی سلسله‌مراتبی When to Stop Hierarchical Clustering

کاربرد آموخته‌ها Apply What You've Learned