آموزش جرقه ای برای یادگیری ماشین و هوش مصنوعی

سرفصل ها و درس ها

مقدمه Introduction

• خوش آمدی Welcome

1. آشنایی با جرقه و MLlib 1. Introduction to Spark and MLlib

• آشنایی با جرقه Introduction to Spark

• مراحل در فرایند یادگیری ماشین Steps in the machine learning process

• جرقه را نصب کنید Install Spark

• سازماندهی داده ها در DataFrames Organizing data in DataFrames

• اجزای جرقه MLlib Components of Spark MLlib

2. تهیه و تبدیل داده ها 2. Data Preparation and Transformation

• مقدمه ای برای پیش پردازش Introduction to preprocessing

• عادی سازی داده های عددی Normalize numeric data

• داده های عددی را استاندارد کنید Standardize numeric data

• داده های عددی سطل را بزنید Bucketize numeric data

• داده های متن را نشان دهید Tokenize text data

• TF-IDF TF-IDF

• خلاصه پیش پردازش Summary of preprocessing

3. خوشه بندی 3. Clustering

• آشنایی با خوشه بندی Introduction to clustering

• K- به معنی خوشه بندی است K-means clustering

• خوشه بندی سلسله مراتبی Hierarchical clustering

• خلاصه تکنیک های خوشه بندی Summary of clustering techniques

4- طبقه بندی 4. Classification

• مقدمه ای برای طبقه بندی Introduction to classification

• پردازش مجموعه داده های Iris Preprocessing the Iris data set

• طبقه بندی ساده بیز Naive Bayes classification

• طبقه بندی پرسپترون چند لایه Multilayer perceptron classification

• طبقه بندی درخت تصمیم گیری Decision trees classification

• خلاصه الگوریتم های طبقه بندی Summary of classification algorithms

5- رگرسیون 5. Regression

• آشنایی با رگرسیون Introduction to regresssion

• پیش پردازش داده های رگرسیون Preprocessing regression data

• رگرسیون خطی Linear regression

• رگرسیون درخت تصمیم گیری Decision tree regression

• رگرسیون درخت رشد شیب Gradient-boosted tree regression

• خلاصه الگوریتم های رگرسیون Summary of regression algorithms

6. توصیه ها 6. Recommendations

• سیستم های توصیه را درک کنید Understand recommendation systems

• فیلتر همکاری Collaborative filtering

نتیجه Conclusion

• نکاتی در مورد استفاده از Spark MLlib Tips for using Spark MLlib