آموزش یادگیری ماشین: جنگل تصادفی با پایتون از ابتدا © [ویدئو]

سرفصل ها و درس ها

مقدمه دوره Introduction to the Course

• مقدمه و مدرس Introduction and Instructor

• انگیزه برای دوره Motivation for the Course

• گذشته، حال و آینده یادگیری ماشینی Past, Present, and Future of Machine Learning

• بررسی اجمالی دوره Course Overview

مقدمه ای بر پایتون Introduction to Python

• سلام دنیا Hello World

• مقدمه ای بر انواع داده ها Introduction to Data Types

• شماره Numbers

• رشته های Strings

• تاپل ها Tuples

• لیست ها Lists

• مجموعه ها Sets

• لغت نامه ها Dictionaries

• اپراتورهای مقایسه Comparison Operators

• عملگرهای منطقی، ورودی کاربر، بازی Logical Operators, User Input, Game

• تصمیم گیری (اگر، دیگر، elif) Decision Making (if, else, elif)

• تصمیم گیری (در صورت تودرتو) Decision Making (nested if)

• تمرین کدنویسی بهتر، تکمیل بازی Better Coding Practice, Completing the Game

• برای حلقه For Loop

• در حالی که حلقه While Loop

• توابع ساده Simple Functions

• تابع بولی و برگردان ارزش Boolean and Value Returning Function

• پروژه ماشین حساب Calculator Project

مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• بیایید یادگیری ماشینی را معرفی کنیم Let's Introduce Machine Learning

• کودکان در مقابل یادگیری کامپیوتر Kids versus Computer Learning

• مجموعه داده Dataset

• برچسب ها و ویژگی ها Labels and Features

• موارد پرت Outliers

• مدل و آموزش Model and Training

• Overfitting و Underfitting Overfitting and Underfitting

• دقت و خطا Accuracy and Error

• فرمت های داده Formats of Data

• انواع یادگیری Types of Learning

• طبقه بندی در مقابل رگرسیون Classification versus Regression

• خوشه بندی Clustering

• خلاصه، جریان پروژه یادگیری ماشین Recap, Flow of Machine Learning Project

جنگل تصادفی گام به گام Random Forest Step-by-Step

• مقدمه و انگیزه Introduction and Motivation

• نحوه کار درختان تصمیم و جنگل تصادفی How Decision Trees and Random Forest Work

• مزایا و معایب جنگل تصادفی Pros and Cons of Random Forest

• مقدمه ای بر پروژه نهایی Introduction to the Final Project

• استفاده از NumPy برای Random Forest Using NumPy for Random Forest

• استفاده از پانداها برای جنگل تصادفی (1) Using Pandas for Random Forest (1)

• استفاده از پانداها برای جنگل تصادفی (2) Using Pandas for Random Forest (2)

• خواندن و دستکاری مجموعه داده Reading and Manipulating Dataset

• استفاده از Matplotlib برای تجسم داده ها (1) Using Matplotlib for Data Visualization (1)

• استفاده از Matplotlib برای تجسم داده ها (2) Using Matplotlib for Data Visualization (2)

• مقابله با ارزش های گمشده Dealing with Missing Values

• حذف نقاط پرت Outliers Removal

• تبدیل مقوله ای به عددی Categorical to Numeric Conversion

• اجرای سریع مدل جنگل تصادفی Quick Implementation of Random Forest Model

• اهمیت ویژگی Feature Importance

• بازگشت Recursion

• ساختار Structure

• وارد کردن داده ها، توابع کمکی Importing Data, Helper Functions

• سوال و پارتیشن Question and Partition

• ناخالصی Impurity

• به دست آوردن اطلاعات Information Gain

• بهترین لغزش Best Slip

• برگ و گره تصمیم Leaf and Decision Node

• چگونه یک درخت بسازیم How to Build a Tree

• نحوه طبقه بندی How to Classify

• دقت و خطا Accuracy and Error

نتیجه Conclusion

• نتایجی که اظهار شده Concluding remarks