آموزش یادگیری ماشین برای تجزیه و تحلیل داده ها: مدل سازی طبقه بندی

Machine Learning for Data Analysis: Classification Modeling

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشینی با اکسل ساده شد! طبقه‌بندی برای تجزیه و تحلیل داده‌های پیشرفته و هوش تجاری (بدون کدنویسی!) ایجاد مهارت‌های اساسی یادگیری ماشین و علم داده، بدون نوشتن کدهای پیچیده استفاده از ابزارهای بصری و کاربرپسند مانند Microsoft Excel برای معرفی و ابهام زدایی ابزارها و تکنیک‌های یادگیری ماشین، مجموعه داده‌ها را با استفاده از ویژگی غنی‌سازی کنید. تکنیک‌های مهندسی مانند رمزگذاری تک داغ، مقیاس‌بندی و گسسته‌سازی نتایج طبقه‌بندی را با استفاده از مدل‌های طبقه‌بندی مانند K-نزدیک‌ترین همسایگان، خلیج‌های ساده، درخت‌های تصمیم‌گیری و موارد دیگر پیش‌بینی می‌کنند. تکنیک‌هایی برای انتخاب و تنظیم مدل‌های طبقه‌بندی برای بهینه‌سازی عملکرد، کاهش تعصب و به حداقل رساندن رانش محاسبه معیارهایی مانند دقت، دقت و یادآوری برای اندازه‌گیری عملکرد مدل پیش نیازها: این یک دوره آموزشی مبتدی است (بدون نیاز به دانش قبلی یا پیش‌زمینه ریاضی/آمار) ما از Microsoft Excel (Office 365) برای برخی از دوره‌های نمایشی استفاده می‌کنیم، اما مشارکت اختیاری است.

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.


اگر برای کاوش در یادگیری ماشینی علوم داده هیجان زده هستید، اما نگران یادگیری زبان های برنامه نویسی پیچیده هستید یا از عباراتی مانند "Bays ساده لوحانه"، "رگرسیون لجستیک"، "KNN" و "درخت تصمیم" می ترسید، در این زمینه هستید. جای درست .

این دوره، بخش 2 از یک سری 4 قسمتی است که برای کمک به شما در ایجاد درک قوی و اساسی از یادگیری ماشین طراحی شده است:

  • بخش 1: پروفایل داده QA

  • بخش 2: مدل سازی طبقه بندی

  • 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 آموزشی قسمت 2، چشم انداز یادگیری تحت نظارت را معرفی می کنیم، گردش کار طبقه بندی را مرور می کنیم، و به موضوعات کلیدی مانند متغیرهای وابسته در مقابل مستقل، مهندسی ویژگی، تقسیم داده ها و برازش بیش از حد می پردازیم.

از آنجا مدل‌های طبقه‌بندی رایج از جمله K-Nearest Neighbors (KNN)، Naïve Bayes، Decision Trees، Random Forests، Logistic Regression و Sentiment Analysis را بررسی می‌کنیم و نکاتی را برای امتیازدهی، انتخاب و بهینه‌سازی مدل به اشتراک می‌گذاریم.

p>


  • بخش 1: مقدمه ای برای طبقه بندی

    • چشم انداز یادگیری تحت نظارت

    • گردش کار طبقه بندی

    • مهندسی ویژگی

    • تقسیم داده ها

    • عدم تناسب بیش از حد


  • بخش 2: مدل های طبقه بندی

    • K-نزدیکترین همسایه ها

    • بیز ساده

    • درختان تصمیم

    • جنگل های تصادفی

    • رگرسیون لجستیک

    • تجزیه و تحلیل احساسات


  • بخش 3: تنظیم انتخاب مدل

    • تنظیم فراپارامتر

    • کلاس های نامتعادل

    • ماتریس های سردرگمی

    • دقت، فراخوانی دقیق

    • رانش انتخاب مدل


در طول دوره، ما مطالعات موردی را برای تثبیت مفاهیم کلیدی و پیوند دادن آنها به سناریوهای دنیای واقعی معرفی خواهیم کرد. شما به ایجاد یک موتور توصیه برای Spotify، تجزیه و تحلیل رفتار خرید مشتری برای یک فروشگاه خرده‌فروشی، پیش‌بینی اشتراک برای یک شرکت مسافرتی، استخراج احساسات از نظرات مشتریان، و موارد دیگر کمک خواهید کرد.

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 طبقه بندی

  • 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 طبقه بندی Intro to Classification

  • یادگیری تحت نظارت در مقابل یادگیری بدون نظارت Supervised vs. Unsupervised Learning

  • طبقه بندی در مقابل رگرسیون Classification vs. Regression

  • خلاصه: مفاهیم کلیدی RECAP: Key Concepts

  • طبقه بندی 101 Classification 101

  • گردش کار طبقه بندی Classification Workflow

  • مهندسی ویژگی Feature Engineering

  • تقسیم داده ها Data Splitting

  • بیش از حد برازش Overfitting

  • مقدمه ای بر طبقه بندی Intro to Classification

مدل های طبقه بندی Classification Models

  • مدل های طبقه بندی رایج Common Classification Models

  • معرفی K-Nearest Neighbors (KNN) Intro to K-Nearest Neighbors (KNN)

  • نمونه های KNN KNN Examples

  • مطالعه موردی: KNN CASE STUDY: KNN

  • معرفی بیز ساده لوحانه Intro to Naïve Bayes

  • بیز ساده لوح | جداول فرکانس Naïve Bayes | Frequency Tables

  • بیز ساده لوح | احتمال شرطی Naïve Bayes | Conditional Probability

  • مطالعه موردی: بیز ساده لوح CASE STUDY: Naïve Bayes

  • مقدمه ای بر درختان تصمیم Intro to Decision Trees

  • درختان تصمیم | آنتروپی 101 Decision Trees | Entropy 101

  • آنتروپی و به دست آوردن اطلاعات Entropy & Information Gain

  • نمونه های درخت تصمیم Decision Tree Examples

  • جنگل های تصادفی Random Forests

  • مطالعه موردی: درختان تصمیم CASE STUDY: Decision Trees

  • مقدمه ای بر رگرسیون لجستیک Intro to Logistic Regression

  • مثال رگرسیون لجستیک Logistic Regression Example

  • مثبت های کاذب در مقابل منفی های کاذب False Positives vs. False Negatives

  • معادله رگرسیون لجستیک Logistic Regression Equation

  • تابع احتمال The Likelihood Function

  • رگرسیون لجستیک چند متغیره Multivariate Logistic Regression

  • مطالعه موردی: رگرسیون لجستیک CASE STUDY: Logistic Regression

  • مقدمه ای بر تحلیل احساسات Intro to Sentiment Analysis

  • پاک کردن داده های متنی Cleaning Text Data

  • تحلیل "کیف کلمات". "Bag of Words" Analysis

  • مطالعه موردی: تحلیل احساسات CASE STUDY: Sentiment Analysis

  • مدل های طبقه بندی Classification Models

انتخاب و تنظیم مدل Model Selection & Tuning

  • مقدمه ای بر انتخاب و تنظیم Intro to Selection & Tuning

  • فراپارامترها Hyperparameters

  • کلاس های نامتعادل Imbalanced Classes

  • ماتریس سردرگمی Confusion Matrix

  • دقت، دقت و یادآوری Accuracy, Precision & Recall

  • ماتریس سردرگمی چند کلاسه Multi-class Confusion Matrix

  • امتیاز دهی چند کلاسه Multi-class Scoring

  • انتخاب مدل Model Selection

  • دریفت مدل Model Drift

  • انتخاب و تنظیم مدل Model Selection & Tuning

بسته بندی Wrapping Up

  • نگاه به آینده به قسمت 3 Looking Ahead to Part 3

  • درس جایزه BONUS LESSON

نمایش نظرات

آموزش یادگیری ماشین برای تجزیه و تحلیل داده ها: مدل سازی طبقه بندی
جزییات دوره
2.5 hours
49
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,944
4.6 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

Maven Analytics Maven Analytics

برنده جایزه تجزیه و تحلیل و آموزش هوش تجاری

Joshua MacCarty Joshua MacCarty

مربی ارشد ML