Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
در حال بارگزاری، لطفا صبر کنید...
توضیحات دوره:
یادگیری ماشینی با اکسل ساده شد! موضوعات یادگیری بدون نظارت برای تجزیه و تحلیل داده های پیشرفته و هوش تجاری ایجاد مهارت های یادگیری ماشینی و علم داده های پایه بدون نوشتن کد پیچیده استفاده از ابزارهای بصری و کاربر پسند مانند Microsoft Excel برای معرفی و رفع ابهام از ابزارها و تکنیک های یادگیری ماشین. تشخیص بیرونی و کاهش ابعاد بیاموزید که چگونه مدلهای ML مانند K-Means، Apriori، Markov و تجزیه و تحلیل مؤلفه اصلی واقعاً کار میکنند. یک دوره آموزشی مناسب برای مبتدیان است (بدون نیاز به دانش قبلی یا پیش زمینه ریاضی/آمار) ما از Microsoft Excel (Office 365) برای برخی از نمایش های دوره استفاده می کنیم، اما شرکت در آن اختیاری است این قسمت 4 از سری یادگیری ماشینی ما برای BI است (ما توصیه می کنیم ابتدا قسمت های 1، 2 و 3 را می گیریم)
سر بالا!
این دوره اکنون بخشی از راهنمای تصویری کامل برای علم دادههای یادگیری ماشینی است که هر 4 دوره یادگیری ماشین را از Maven Analytics ترکیب میکند. این دوره به همراه سایر دوره های انفرادی این مجموعه به زودی بازنشسته می شود.
این دوره، قسمت 4 از یک سری 4 قسمتی است که برای کمک به شما در ایجاد درک اساسی و قوی از یادگیری ماشین طراحی شده است:
بخش 1: پروفایل داده QA
بخش 2: مدلسازی طبقهبندی
بخش 3: پیش بینی رگرسیون
بخش 4: یادگیری بدون نظارت
این دوره، علم داده را برای افراد عادی قابل دسترسی میکند و برای ابهامزدایی از تکنیکهای قدرتمند ابزارهای یادگیری ماشین طراحی شده است، بدون اینکه تلاشی برای آموزش همزمان یک زبان برنامهنویسی به شما داشته باشد.
در عوض، ما از ابزارهای آشنا و کاربر پسند مانند Microsoft Excel استفاده میکنیم تا موضوعات پیچیده را بشکافیم و به شما کمک میکنیم تا قبل از اینکه به سراغ زبانهای برنامهنویسی مانند Python یا R بروید، بدانید دقیقاً چگونه و چرا یادگیری ماشین کار میکند. در دوره های یادگیری ماشین، یک خط کد نمی نویسید .
خلاصه دوره:
در این دوره، ما با مرور چشمانداز یادگیری ماشین، بررسی تفاوتهای بین یادگیری تحت نظارت و بدون نظارت، و معرفی چند مورد از رایجترین تکنیکهای بدون نظارت، از جمله تجزیه و تحلیل خوشهای، کاوی ارتباط، تشخیص پرت، و کاهش ابعاد شروع میکنیم. .
در طول دوره، ما بر تجزیه هر مفهوم به زبانی ساده و ساده تمرکز میکنیم تا به شما کمک کنیم تا درک درستی از نحوه عملکرد این مدلها داشته باشید، از K-Means و Apriori گرفته تا تشخیص پرت، تجزیه و تحلیل اجزای اصلی، و موارد دیگر. .
بخش 1: مقدمه ای بر یادگیری ماشینی بدون نظارت
چشم انداز یادگیری بدون نظارت
تکنیک های رایج بدون نظارت
مهندسی ویژگی
گردش کار ML بدون نظارت
بخش 2: تقسیم بندی خوشه ای
مبانی خوشه بندی
K-Means Clustering
نمودارهای زانویی WSS
خوشه بندی سلسله مراتبی
تفسیر دندوگرام
بخش 3: معادن انجمن
مبانی معدنکاری انجمن
الگوریتم Apriori
تجزیه و تحلیل سبد
حداقل آستانه پشتیبانی
مجموعههای چند مورد نادر
زنجیر مارکوف
بخش 4: تشخیص بیرونی
مبانی تشخیص بیرونی
نقاط پرت مقطعی
نزدیکترین همسایه ها
پرت سری زمانی
توزیع باقیمانده
بخش 5: کاهش ابعاد
مبانی کاهش ابعاد
تجزیه و تحلیل اجزای اصلی (PCA)
طرحهای نمایشی
تکنیک های پیشرفته
در طول دوره، نسخههای نمایشی منحصربهفرد و مطالعات موردی در دنیای واقعی را معرفی میکنیم تا به تثبیت مفاهیم کلیدی در طول مسیر کمک کنیم.
میبینید که چگونه k-means میتواند به شناسایی بخشهای مشتری کمک کند، چگونه apriori میتواند برای تجزیه و تحلیل سبد و موتورهای توصیه استفاده شود، و چگونه تشخیص پرت میتواند ناهنجاریها را در مجموعه دادههای مقطعی یا سری زمانی شناسایی کند.
اگر میخواهید پایه و اساس شغلی موفق در علم داده را ایجاد کنید، این دوره آموزشی برای شماست!
__________
امروز بپیوندید و به موارد زیر دسترسی فوری و مادام العمر داشته باشید:
ویدیوی با کیفیت بالا و درخواستی
یادگیری ماشینی: کتاب الکترونیکی یادگیری بدون نظارت
فایل پروژه اکسل قابل دانلود
انجمن پرسش و پاسخ متخصص
30 روز ضمانت بازگشت وجه
یادگیری مبارک!
-Josh M. (مدرس اصلی یادگیری ماشین، Maven Analytics)
__________
به دنبال پشته کامل هوش تجاری ما هستید؟ برای مرور کتابخانه کامل دوره ما، از جمله دوره های Excel، Power BI، MySQL و Tableau، "Maven Analytics" را جستجو کنید!
ببینید چرا دورههای ما جزو برترینها در Udemy هستند:
"برخی از بهترین دوره هایی که تا به حال گذرانده ام. چندین زبان برنامه نویسی، Excel، VBA و توسعه دهنده وب را مطالعه کرده ام، و Maven یکی از بهترین دوره هایی است که دیده ام!" Russ C.
"این چهارمین دوره من از Maven Analytics و چهارمین بررسی 5 ستاره من است، بنابراین چیزهایی برای گفتن تمام شده است. کاش Maven زودتر در زندگی من بود!" تاتسیانا ام.
"Maven Analytics باید استاندارد جدیدی برای تمام دوره های آموزش داده شده در Udemy شود!" جونا ام.
سرفصل ها و درس ها
شروع شدن
Getting Started
ساختار و طرح کلی دوره
Course Structure & Outline
مرا بخوانید: بهروزرسانیهای مهم دوره
READ ME: Important Course Updates
درباره این سریال
About This Series
دانلود: منابع دوره
DOWNLOAD: Course Resources
تعیین انتظارات
Setting Expectations
مقدمه ای بر ML بدون نظارت
Intro to Unsupervised ML
یادگیری تحت نظارت در مقابل یادگیری بدون نظارت
Supervised vs. Unsupervised Learning
تکنیک های رایج بدون نظارت
Common Unsupervised Techniques
گردش کار ML بدون نظارت
Unsupervised ML Workflow
مهندسی ویژگی
Feature Engineering
نکات کلیدی: معرفی ML بدون نظارت
KEY TAKEAWAYS: Intro to Unsupervised ML
آزمون: مقدمه ای بر ML بدون نظارت
QUIZ: Intro to Unsupervised ML
خوشه بندی و تقسیم بندی
Clustering & Segmentation
معرفی
Introduction
مبانی خوشه بندی
Clustering Basics
مقدمه ای بر K-Means
Intro to K-Means
WSS & Ebow Plots
WSS & Elbow Plots
سوالات متداول K-Means
K-Means FAQs
مطالعه موردی: K-Means
CASE STUDY: K-Means
مقدمه ای بر خوشه بندی سلسله مراتبی
Intro to Hierarchical Clustering
نمایش نظرات