لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تکنیکهای پیشبینی پیشرفته با Scikit-Learn و TensorFlow [ویدئو]
Advanced Predictive Techniques with Scikit-Learn and TensorFlow [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
روشهای گروهی با ترکیب پیشبینیهای بسیاری از پیشبینیکنندهها به روشی هوشمندانه، راه قدرتمندی برای بهبود دقت پیشبینی ارائه میدهند. در این دوره یاد خواهید گرفت که چگونه از روش های مجموعه ای برای بهبود دقت در مسائل طبقه بندی و رگرسیون استفاده کنید.
هنگام استفاده از Predictive Analytics برای حل مسائل واقعی، علاوه بر مدلها و الگوریتمها، بسیاری از ملاحظات کاربردی دیگر نیز وجود دارد که باید در نظر گرفته شوند، مانند اینکه از کدام ویژگیها استفاده کنم، چند ویژگی کافی است، آیا باید ویژگیهای جدید ایجاد کنم، چگونه ویژگیها را ترکیب کنم تا همان ویژگیها را ارائه دهم. اطلاعات زیربنایی، از کدام پارامترهای فوق العاده باید استفاده کنم؟ ما موضوعاتی را بررسی می کنیم که به شما در پاسخ به چنین سوالاتی کمک می کند.
شبکههای عصبی مصنوعی مدلهایی هستند که بر اساس نحوه عملکرد شبکههای عصبی در یک موجود زنده است. این مدل ها سابقه طولانی در جامعه هوش مصنوعی با فراز و نشیب در محبوبیت دارند. امروزه به دلیل افزایش قدرت محاسباتی، روشهای بهبود یافته و پیشرفتهای نرمافزاری، دوباره محبوب شدهاند و مبنای رویکردهای پیشرفتهای مانند یادگیری عمیق هستند. این دوره به معرفی استفاده از مدل های یادگیری عمیق برای تجزیه و تحلیل پیش بینی با استفاده از کتابخانه قدرتمند TensorFlow می پردازد.
[*]از الگوریتمهای گروهی برای ترکیب بسیاری از پیشبینیکنندههای فردی برای تولید پیشبینیهای بهتر استفاده کنید.
[*]از تکنیک های پیشرفته مانند کاهش ابعاد برای ترکیب ویژگی ها و ساخت مدل های بهتر استفاده کنید.
[*]مدلها را ارزیابی کنید و با استفاده از اعتبارسنجی متقاطع پارامترهای بهینه را انتخاب کنید.
[*]مبانی کار و ساخت مدل ها را با استفاده از شبکه های عصبی بیاموزید.
[*]تکنیکهای مختلف را برای حل مشکلاتی که هنگام انجام تجزیه و تحلیل پیشبینیکننده در دنیای واقعی ایجاد میشوند، بیاموزید
این دوره برای تحلیلگران داده یا دانشمندان داده، مهندسان نرم افزار و توسعه دهندگانی است که علاقه مند به یادگیری تجزیه و تحلیل پیشرفته پیش بینی با پایتون هستند. تحلیلگران کسب و کار/کارشناسان هوش تجاری که مایلند یاد بگیرند که چگونه از مدل های پیش بینی اولیه به ساخت مدل های پیشرفته برای تولید پیش بینی های بهتر بروند، این دوره را نیز ضروری می دانند.
دانش پایتون و آشنایی با Data Science Stack آن فرض شده است. علاوه بر این، درک مفاهیم اولیه تجزیه و تحلیل پیش بینی و نحوه استفاده از مدل های پیش بینی اولیه نیز برای استفاده کامل از این دوره ضروری است.
با استفاده از روشهای مجموعه، عملکرد مدلهای تحلیل پیشبینیکننده را بهبود بخشید * * یاد بگیرید که از تکنیکهای مهم برای بهبود عملکرد مدلهای پیشبینی خود استفاده کنید - مانند انتخاب ویژگی، کاهش ابعاد، و اعتبارسنجی متقابل * * ساخت مدلهای شبکههای عصبی و تسلط بر اصول اولیه زمینه هیجان انگیز یادگیری عمیق
سرفصل ها و درس ها
روشهای گروهی برای رگرسیون و طبقه بندی
Ensemble Methods for Regression and Classification
بررسی اجمالی دوره
The Course Overview
روشهای گروهی چگونه کار میکنند؟
How Ensemble Methods Work?
کیسهبندی، جنگلهای تصادفی، و تقویت برای رگرسیون
Bagging, Random Forests, and Boosting for Regression
بسته بندی، جنگل های تصادفی، و تقویت برای طبقه بندی
Bagging, Random Forests, and Boosting for Classification
اعتبار سنجی متقابل و تنظیم پارامتر
Cross-Validation and Parameter Tuning
K-fold Cross-Validation
K-fold Cross-Validation
مقایسه مدلها با K-fold Cross-Validation
Comparing Models with K-fold Cross-Validation
تنظیم Hyper-Parameter در scikit-learn
Hyper-Parameter Tuning in scikit-learn
کار با ویژگی ها
Working with Features
روش های انتخاب ویژگی
Feature Selection Methods
کاهش ابعاد و PCA
Dimensionality Reduction and PCA
ایجاد ویژگی های جدید
Creating New Features
بهبود مدل ها با مهندسی ویژگی
Improving Models with Feature Engineering
مقدمه ای بر شبکه های عصبی مصنوعی و TensorFlow
Introduction to Artificial Neural Networks and TensorFlow
مقدمه ای بر شبکه های عصبی مصنوعی
Introduction to Artificial Neural Networks
عناصر یک مدل شبکه عصبی عمیق
Elements of a Deep Neural Network Model
نصب و آشنایی با TensorFlow
Installation and Introduction to TensorFlow
مفاهیم اصلی در TensorFlow
Core Concepts in TensorFlow
تجزیه و تحلیل پیش بینی کننده با TensorFlow و شبکه های عصبی عمیق
Predictive Analytics with TensorFlow and Deep Neural Networks
پیش بینی با TensorFlow - مثال مقدماتی
Predictions with TensorFlow - Introductory Example
رگرسیون با استفاده از شبکه های عصبی عمیق
Regression Using Deep Neural Networks
طبقه بندی با شبکه های عصبی عمیق
Classification with Deep Neural Networks
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
آلوارو فوئنتس، دانشمند ارشد داده با پیشینه ریاضیات کاربردی و اقتصاد است. او بیش از 14 سال تجربه در نقش های مختلف تحلیلی دارد و مشاور تحلیلی در یکی از شرکت های مشاوره مدیریت جهانی "سه بزرگ" است که پروژه های تحلیلی پیشرفته را در صنایع مختلف مانند بانکداری، فناوری و کالاهای مصرفی رهبری می کند. آلوارو همچنین نویسنده و مربی در تجزیه و تحلیل و علم داده است و دوره ها و کتاب هایی مانند «تحلیلگر داده پایتون شوید» و «تجزیه و تحلیل پیش بینی دستی با پایتون» را منتشر کرده است. او همچنین علم داده و موضوعات مرتبط را به هزاران دانشآموز به صورت حضوری و آنلاین از طریق پلتفرمهای مختلف مانند Springboard، Simplilearn، Udemy، و BSG Institute آموزش داده است.
نمایش نظرات