در این دوره آموزشی خود گام، یاد خواهید گرفت که چگونه Naive Bayes را در بسیاری از مجموعه داده های دنیای واقعی در زمینه های مختلف، مانند:
اعمال کنید.بینایی کامپیوتر
پردازش زبان طبیعی
تحلیل مالی
مراقبت های بهداشتی
ژنومیک
چرا باید این دوره را بگذرانید؟ Naive Bayes یکی از الگوریتم های اساسی در یادگیری ماشین، علم داده و هوش مصنوعی است. هیچ تمرینکنندهای بدون تسلط بر آن کامل نیست.
این دوره به گونه ای طراحی شده است که برای تمام سطوح دانش آموزان، چه مبتدی، چه متوسط یا پیشرفته، مناسب باشد. شما هم شهود نحوه کار Naive Bayes و هم نحوه به کارگیری موثر آن را در حین محاسبه ویژگی های منحصر به فرد الگوریتم Naive Bayes خواهید آموخت. در مورد زمان و چرایی استفاده از نسخه های مختلف Naive Bayes موجود در Scikit-Learn، از جمله GaussianNB، BernoulliNB، و MultinomialNB، خواهید آموخت.
در بخش پیشرفته دوره، با نحوه عملکرد Naive Bayes واقعاً در زیر کاپوت آشنا خواهید شد. همچنین یاد خواهید گرفت که چگونه چندین گونه از Naive Bayes را از ابتدا پیاده سازی کنید، از جمله Gaussian Naive Bayes، Bernoulli Naive Bayes و Multinomial Naive Bayes. بخش پیشرفته نیاز به دانش احتمال دارد، بنابراین آماده باشید!
از اینکه خواندید متشکرم و امیدوارم به زودی شما را ببینم!
پیش نیازهای پیشنهادی:
مهارت برنامه نویسی مناسب پایتون
با کتابخانه های علوم داده مانند Numpy و Matplotlib راحت است
برای بخش پیشرفته، دانش احتمال مورد نیاز است
به چه ترتیبی باید در دوره های شما شرکت کنم؟
سخنرانی "نقشه راه پیش نیاز یادگیری ماشین و هوش مصنوعی" (در سوالات متداول هر یک از دوره های من، از جمله دوره رایگان من موجود است) را بررسی کنید.
ویژگی های منحصر به فرد
هر خط کد با جزئیات توضیح داده شده است - در صورت مخالفت هر زمان که خواستید به من ایمیل بزنید
زمان پاسخگویی به طور متوسط کمتر از 24 ساعت در QA
از ریاضیات در سطح دانشگاه نمی ترسید - جزئیات مهمی را در مورد الگوریتم هایی که سایر دوره ها کنار گذاشته اند دریافت کنید
یودمی یکی از بزرگترین پلتفرمهای آموزشی آنلاین است که به میلیونها کاربر در سراسر جهان امکان دسترسی به دورههای متنوع و کاربردی را فراهم میکند. این پلتفرم امکان آموزش در زمینههای مختلف از فناوری اطلاعات و برنامهنویسی گرفته تا زبانهای خارجی، مدیریت، و هنر را به کاربران ارائه میدهد. با استفاده از یودمی، کاربران میتوانند به صورت انعطافپذیر و بهینه، مهارتهای جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگیهای برجسته یودمی، کیفیت بالای دورهها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد میدهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و میتوانند به بهترین شکل ممکن از آموزشها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرمهای آموزشی آنلاین، به افراد امکان میدهد تا به راحتی و با کیفیت، مهارتهای مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.
امروز ، بیشتر وقتم را به عنوان یک مهندس هوش مصنوعی و یادگیری ماشین با تمرکز بر یادگیری عمیق می گذرانم ، اگرچه همچنین به عنوان دانشمند داده ، مهندس داده های بزرگ و مهندس نرم افزار کامل پشته نیز شناخته شده ام. من مدرک کارشناسی ارشد خود را در رشته مهندسی کامپیوتر با گرایش یادگیری ماشین و تشخیص الگو دریافت کردم. این تجربه شامل تبلیغات آنلاین و رسانه های دیجیتالی به عنوان دانشمند داده (بهینه سازی نرخ کلیک و تبدیل) و مهندس داده های بزرگ (ساخت خطوط لوله پردازش داده) است. برخی از فناوری های کلان داده ای که من مرتباً استفاده می کنم ، Hadoop ، Pig ، Hive ، MapReduce و Spark هستند. من مدل های یادگیری عمیق را برای پیش بینی میزان کلیک و رفتار کاربر و همچنین برای پردازش تصویر و سیگنال و مدل سازی متن ایجاد کرده ام. کار من در سیستم های پیشنهادی از آموزش تقویت و فیلتر کردن مشارکتی استفاده کرده است و ما نتایج را با استفاده از تست A / B معتبر کردیم.
Lazy Programmer Teamمهندس هوش مصنوعی و آموزش ماشین من فوق لیسانس خود را در رشته مهندسی کامپیوتر با تخصص یادگیری ماشین و تشخیص الگو دریافت کردم. تجربه شامل تبلیغات آنلاین و رسانه های دیجیتال به عنوان یک دانشمند داده (بهینه سازی نرخ کلیک و تبدیل) و مهندس کلان داده (ساخت خطوط پردازش داده). برخی از فناوری های داده بزرگ که من اغلب استفاده می کنم Hadoop ، Pig ، Hive ، MapReduce و Spark هستند. من مدلهای یادگیری عمیقی برای پیش بینی نرخ کلیک و رفتار کاربر و همچنین پردازش تصویر و سیگنال و مدل سازی متن ایجاد کرده ام. کار من در سیستم های توصیه از یادگیری تقویتی و فیلترینگ مشارکتی استفاده کرده است و ما نتایج را با استفاده از آزمایش A/B معتبر کرده ایم.
نمایش نظرات