آموزش یادگیری ماشین با Python و Scikit-Learn برای مبتدیان مطلق
Machine Learning with Python and Scikit-learn for absolute beginners
این دوره نحوه ساخت مدل های یادگیری ماشینی را از ابتدا با استفاده از کتابخانه های Python و Scikit-learn پوشش می دهد. ساختار دوره در زیر نشان داده شده است
- فرآیند یادگیری ماشین
- اصول پایتون، NumPy، پانداها
- مدل‌های طبقه‌بندی ساختمان با استفاده از Scikit-learn
- استقرار مدل‌های طبقه‌بندی با استفاده از چارچوب وب Python Flask
- ساخت مدل‌های رگرسیون با استفاده از Scikit-learn
به عنوان یک پیش نیاز، دانش آموزان باید قبل از شروع این دوره، مهارت های برنامه نویسی اولیه و دانش ریاضی سطح دبیرستان را داشته باشند. هیچ دانش قبلی در مورد یادگیری ماشین لازم نیست.
با استفاده از داده های storeurchase.csv پیوست شده، 5 مشتری برتر را که احتمالاً محصول جدیدی را بر اساس سابقه خرید قبلی خود خریداری می کنند، شناسایی کنید. لطفاً در زیر مراحلی را که باید برای تعیین 5 مشتری برتر انجام شود پیدا کنید
1. متغیرهای مستقل و وابسته را از مجموعه داده جدا کنید
2. مقیاس ویژگی داده ها
3. با استفاده از KNN، یک مدل طبقه‌بندی‌کننده بسازید که پیش‌بینی می‌کند فردی با سن و حقوق معین، محصول را خریداری می‌کند یا خیر.
4. کل مجموعه داده را به مدل تغذیه کنید و احتمال خرید هر مشتری محصول را تعیین کنید.
5. مجموعه داده را بر اساس احتمال مرتب کنید و 5 مشتری برتر را انتخاب کنید.
پس از تکمیل، لطفاً پروژه را برای بررسی و بازخورد در بخش گالری دانشجو به اشتراک بگذارید.
درس ها Lessons
-
فرآیند یادگیری ماشینی Machine learning process
-
معرفی Introduction
-
یادگیری ماشینی چیست؟ What is Machine Learning?
-
رگرسیون خطی Linear Regression
-
دوره سقوط Python NumPy Pandas Matplotlib Python NumPy Pandas Matplotlib crash course
-
ایجاد یک مدل طبقه بندی با استفاده از الگوریتم KNN Creating a Classification Model using KNN algorithm
-
در حال صادر کردن مدل به محیط Google Colab Exporting the model to the Google Colab Environment
-
ذخیره مدل و مقیاس کننده Saving the Model and the Scaler
-
بازیابی مدل از فایل Pickle و استفاده از آن به صورت محلی Restoring the Model from Pickle file and using it locally
-
انواع یادگیری ماشینی Types of Machine Learning
-
ایجاد یک محیط توسعه Anaconda Spyder Creating an Anaconda Spyder development environment
-
آشنایی با وب فریمورک فلاسک Understanding Flask web webframework
-
ایجاد یک REST API برای مدل طبقه بندی Creating a REST API for the Classification Model
درس ها Lessons
-
در حال صادر کردن مدل به محیط Google Colab Exporting the model to the Google Colab Environment
-
ایجاد یک محیط توسعه Anaconda Spyder Creating an Anaconda Spyder development environment
-
یادگیری ماشینی چیست؟ What is Machine Learning?
-
دوره سقوط Python NumPy Pandas Matplotlib Python NumPy Pandas Matplotlib crash course
-
ایجاد یک REST API برای مدل طبقه بندی Creating a REST API for the Classification Model
-
معرفی Introduction
-
ذخیره مدل و مقیاس کننده Saving the Model and the Scaler
-
انواع یادگیری ماشینی Types of Machine Learning
-
رگرسیون خطی Linear Regression
-
بازیابی مدل از فایل Pickle و استفاده از آن به صورت محلی Restoring the Model from Pickle file and using it locally
-
فرآیند یادگیری ماشینی Machine learning process
-
ایجاد یک مدل طبقه بندی با استفاده از الگوریتم KNN Creating a Classification Model using KNN algorithm
-
آشنایی با وب فریمورک فلاسک Understanding Flask web webframework
Engineering Tech
نمایش نظرات