نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره کوتاه به شما کمک میکند تا با استفاده از تکنیکهای نظارتشده (Supervised) و نظارتنشده (Unsupervised)، مدلهای پیشبین بسازید و آنها را ارزیابی کنید. شما آموزش الگوریتمها را با scikit-learn تمرین خواهید کرد، بررسی میکنید که اعتبارسنجی متقاطع (Cross-validation) چگونه بر قابلیت اطمینان مدل تأثیر میگذارد و معیارهای عملکردی مانند Accuracy و F1 را برای ایجاد بهبودهای دادهمحور تحلیل میکنید. به جای تکیه بر حدس و گمان، یاد میگیرید که چگونه بهصورت سیستماتیک تکرار کنید تا مدلهای شما به اهداف عملکردی تعریفشده برسند. از طریق آزمایشگاههای عملی و مربیگری هدایتشده، مدلهای رگرسیون لجستیک و خوشهبندی را میسازید، اعتبارسنجی متقاطع 5-fold را اعمال میکنید و ویژگیها را تا زمانی که مدل در سطح مورد نیاز عمل کند، اصلاح میکنید. در پایان، قادر خواهید بود این گردشهای کاری را در وظایف واقعی مدلسازی پیشبین در زمینههای خردهفروشی و ریسک اعتباری به کار ببرید.
سرفصل ها و درس ها
بهینهسازی هوش مصنوعی: ساخت و ارزیابی مدلهای پیشبین
Optimize AI: Build & Evaluate Predictive Models
خوشآمدگویی و آنچه خواهید آموخت
Welcome and What You’ll Learn
مدلسازی نظارتشده در مقابل نظارتنشده: چه زمانی از هرکدام استفاده کنیم
Supervised vs. Unsupervised Modeling: When to Use Each
راهنمای عملی: آموزش رگرسیون لجستیک و K-Means در scikit-learn
Walkthrough: Training Logistic Regression and K-Means in scikit-learn
نمایش نظرات