آموزش یادگیری ماشین با scikit-learn - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• شروع یادگیری ماشین Get started with machine learning

• شروع کار با scikit learn Get started with scikit-learn

1. ورودی و بارگذاری داده‌ها 1. Input and Loading Data

• آماده‌سازی محیط برنامه نویسی Prepare your environment

• بررسی یادگیری ماشین در عصر هوش مصنوعی Explore machine learning in the AI age

• کشف مزایای scikit learn Discover the benefits of scikit-learn

2. یادگیری نظارت شده 2. Supervised Learning

• ساخت درخت تصمیم Build a decision tree

• پیاده‌سازی تقسیم داده‌ها به آموزش و تست Perform a train-test split

• فرمت‌بندی داده‌ها Format your data

• ساخت مدل رگرسیون خطی Create a linear regression model

• به‌کارگیری رگرسیون لجستیک Leverage logistic regression

• ارزیابی مدل‌های طبقه‌بندی Evaluate classification models

• بهبود عملکرد مدل Boost model performance

• ساخت سریع مدل‌ها با جنگل تصادفی Rapidly build models with random forest

• پیش‌بینی مقادیر با یادگیری نظارت شده Predict values with supervised learning

3. یادگیری نظارت نشده 3. Unsupervised Learning

• گروه‌بندی داده‌ها با الگوریتم‌های خوشه‌بندی Group data with clustering algorithms

• افزایش سرعت با کاهش ابعاد Speed up with dimensionality reduction

• بررسی یادگیری نظارت نشده Explore unsupervised learning

4. بهینه‌سازی گردش کار یادگیری ماشین 4. Optimize your ML Workflow

• بهینه‌سازی هایپرپارامترها Optimize your hyperparameters

• خودکارسازی پیش‌پردازش با Pipelineها Automate preprocessing with pipelines

جمع‌بندی Conclusion

• ساخت مدل‌ها با scikit learn Build models with scikit-learn