لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پایتون: رگرسیون لجستیک و یادگیری ماشین نظارت شده
- آخرین آپدیت
دانلود Python: Logistic Regression & Supervised ML
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره عملی، یادگیرندگان را با دانش بنیادی و مهارتهای کاربردی مورد نیاز برای ساخت و ارزیابی مدلهای یادگیری ماشین نظارت شده (Supervised ML) با استفاده از پایتون آشنا میکند. این دوره که بر اساس مجموعه دادههای واقعی تایتانیک طراحی شده است، مراحل کامل خط لوله یادگیری ماشین را از تنظیمات پروژه و درک چرخه حیات تا آمادگی برای استقرار مدل، به صورت گامبهگام آموزش میدهد.
در ماژول اول، یادگیرندگان ساختار پروژه یادگیری ماشین را تعریف کرده، کتابخانههای ضروری پایتون مانند NumPy و pandas را شناسایی میکنند و مبانی مفهومی الگوریتمهایی از جمله درخت تصمیم (Decision Trees) و رگرسیون لجستیک را درک خواهند کرد.
در ماژول دوم، یادگیرندگان تکنیکهای تحلیل اکتشافی دادهها (EDA) را به کار میبرند، مجموعهدادهها را پاکسازی و آماده میکنند و ویژگیهای مهندسیشده را میسازند. آنها همچنین مدلهای خود را با استفاده از معیارهایی مانند ماتریس اغتشاش (Confusion Matrices) و اعتبارسنجی متقاطع (Cross-Validation) ارزیابی میکنند تا قابلیت اطمینان و تعمیمپذیری مدل را بهبود ببخشند.
در پایان این دوره، یادگیرندگان قادر خواهند بود به طور مستقل مدلهای یادگیری نظارت شده را بر روی مجموعهدادههای واقعی پیادهسازی کرده و نتایج را با اطمینان تفسیر کنند.
سرفصل ها و درس ها
مبانی یادگیری ماشین نظارت شده
Foundations of Supervised Machine Learning
معرفی دوره
Intro to Course
چرخه حیات پروژه
Life Cycle
وارد کردن کتابخانهها
Import Libraries
الگوریتمها
Algorithms
طبقهبندیکننده درخت تصمیم
Decision Tree Classifier
رگرسیون لجستیک
Logitech Regression
مدیریت دادهها و ساخت مدل
Data Handling and Model Building
تحلیل اکتشافی دادهها (EDA)
EDA
بارگذاری کتابخانهها
Load Libraries
ادامه بارگذاری کتابخانهها
Load Libraries Continue
رسم نمودار میلهای
Bar Plot
نامگذاری ستونها
Name Column
مدلسازی
Modelling
مجموعه دادههای آموزشی
Training Set
وارد کردن اعتبارسنجی متقاطع
Import Cross Validation
نمایش نظرات