آموزش علم داده - یادگیری ماشین نظارت شده با پایتون [ویدئویی] - آخرین آپدیت

سرفصل ها و درس ها

مقدمه و مرور Introduction and Review

• مقدمه و سرفصل‌ها Introduction and Outline

• چگونه در این دوره موفق شوید How to Succeed in this Course

• محل دریافت کدها و داده‌ها Where to Get the Code and Data

• مرور مفاهیم مهم Review of Important Concepts

K-نزدیک‌ترین همسایه (KNN) K-Nearest Neighbor

• شهود K-نزدیک‌ترین همسایه K-Nearest Neighbor Intuition

• مفاهیم K-نزدیک‌ترین همسایه K-Nearest Neighbor Concepts

• پیاده‌سازی KNN با MNIST در کد KNN in Code with MNIST

• زمانی که KNN شکست می‌خورد When KNN Can Fail

• الگوریتم KNN برای مسئله XOR KNN for the XOR Problem

• الگوریتم KNN برای مسئله Donut KNN for the Donut Problem

• تاثیر مقدار K Effect of K

• تمرین KNN KNN Exercise

• جعبه پیشنهادات Suggestion Box

بیز ساده و طبقه‌بندی‌کننده‌های بیز Naive Bayes and Bayes Classifiers

• شهود طبقه‌بندی‌کننده بیز (پیوسته) Bayes Classifier Intuition (Continuous)

• شهود طبقه‌بندی‌کننده بیز (گسسته) Bayes Classifier Intuition (Discrete)

• بیز ساده (Naive Bayes) Naive Bayes

• مثال دست‌نویس بیز ساده Naive Bayes Handwritten Example

• پیاده‌سازی بیز ساده با MNIST در کد Naive Bayes in Code with MNIST

• بیز غیر ساده (Non-Naive Bayes) Non-Naive Bayes

• طبقه‌بندی‌کننده بیز با MNIST در کد Bayes Classifier in Code with MNIST

• تحلیل متمایزکننده خطی (LDA) و درجه دوم (QDA) Linear Discriminant Analysis (LDA) and Quadratic Discriminant Analysis (QDA)

• مدل‌های مولد در مقابل مدل‌های متمایزکننده Generative vs Discriminative Models

درخت‌های تصمیم Decision Trees

• شهود درخت تصمیم Decision Tree Intuition

• مبانی درخت تصمیم Decision Tree Basics

• آنتروپی اطلاعات Information Entropy

• به حداکثر رساندن بهره اطلاعات Maximizing Information Gain

• انتخاب بهترین تقسیم Choosing the Best Split

• پیاده‌سازی درخت تصمیم در کد Decision Tree in Code

پرسپترون‌ها Perceptrons

• مفاهیم پرسپترون Perceptron Concepts

• پیاده‌سازی پرسپترون در کد Perceptron in Code

• پرسپترون برای MNIST و XOR Perceptron for MNIST and XOR

• تابع زیان پرسپترون Perceptron Loss Function

یادگیری ماشین کاربردی Practical Machine Learning

• هایپرپارامترها و اعتبارسنجی متقاطع Hyperparameters and Cross-Validation

• استخراج ویژگی و انتخاب ویژگی Feature Extraction and Feature Selection

• مقایسه با یادگیری عمیق Comparison to Deep Learning

• طبقه‌بندی چندکلاسی Multiclass Classification

• کتابخانه Sci Kit Learn Sci-Kit Learn

• رگرسیون با Sci Kit Learn آسان است Regression with Sci-Kit Learn is Easy

ساخت سرویس وب یادگیری ماشین Building a Machine Learning Web Service

• مفاهیم ساخت سرویس وب یادگیری ماشین Building a Machine Learning Web Service Concepts

• کدنویسی ساخت سرویس وب یادگیری ماشین Building a Machine Learning Web Service Code

نتیجه‌گیری Conclusion

• گام بعدی چیست؟ ماشین‌های بردار پشتیبان و روش‌های مجموعه‌ای (مانند Random Forest) What's Next? Support Vector Machines and Ensemble Methods (e.g. Random Forest)