آموزش مدل‌سازی پیش‌بینانه معنادار - آخرین آپدیت

هفته اول: تشخیص‌های داده‌ها Week 1: Diagnostics for Data

• معرفی دوره سوم: مدل‌سازی پیش‌بینانه معنادار Introduction to Course 3: Meaningful Predictive Modeling

• انگیزه پشت MSE Motivation Behind the MSE

• تشخیص‌های رگرسیون: MSE و R² Regression Diagnostics: MSE and R²

• بیش‌برازش و کم‌برازش Over- and Under-Fitting

• تشخیص‌های طبقه‌بندی: دقت و خطا Classification Diagnostics: Accuracy and Error

• تشخیص‌های طبقه‌بندی: دقت (Precision) و فراخوانی (Recall) Classification Diagnostics: Precision and Recall

هفته دوم: کدهای پایه، منظم‌سازی و ارزیابی مدل Week 2: Codebases, Regularization, and Evaluating a Model

• راه‌اندازی کد پایه برای ارزیابی و اعتبارسنجی Setting Up a Codebase for Evaluation and Validation

• پیچیدگی مدل و منظم‌سازی Model Complexity and Regularization

• افزودن منظم‌ساز به مدل و ارزیابی مدل منظم‌شده Adding a Regularizer to our Model, and Evaluating the Regularized Model

• ارزیابی طبقه‌بندی‌کننده‌ها برای رتبه‌بندی Evaluating Classifiers for Ranking

هفته سوم: اعتبارسنجی و خط لوله‌ها Week 3: Validation and Pipelines

• اعتبارسنجی Validation

• «قضیه‌های» مربوط به آموزش، تست و اعتبارسنجی “Theorems” About Training, Testing, and Validation

• پیاده‌سازی یک خط لوله منظم‌سازی در پایتون Implementing a Regularization Pipeline in Python

• دستورالعمل‌های پیاده‌سازی خط لوله‌های پیش‌بینانه Guidelines on the Implementation of Predictive Pipelines

پروژه نهایی Final Project