لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشین کاربردی: تخمین ارزش
- آخرین آپدیت
دانلود Applied Machine Learning: Value Estimation
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره، مت هریسون (مربی سازمانی پایتون و علوم داده، نویسنده و مشاور)، بر ساخت و استقرار مدلهای تخمین ارزش با استفاده از پایتون و یادگیری ماشین تمرکز میکند. بیاموزید چگونه از رگرسیون خطی (Linear Regression) و XGBoost برای پیشبینی ارزش خانهها بر اساس ویژگیها و موقعیت مکانی آنها استفاده کنید. در این دوره به بررسی عمیق اکتشاف دادهها، پیشپردازش و تکنیکهای ارزیابی بپردازید و با آموزش مدلهای ساده و پیشرفته، دنیای یادگیری ماشین را تجربه کنید.
سرفصل ها و درس ها
مقدمه
Introduction
پیشنیازها و نکاتی که باید بدانید
What you should know
نحوه استفاده از Codespaces
How to use Codespaces
شایان توجه: قدرت تخمین ارزش
Worth a look: The power of value estimation
1. آشنایی با تخمین ارزش با یادگیری ماشین (ML)
1. Introducing Value Estimation with Machine Learning (ML)
اکتشاف و پاکسازی دادهها
Data exploration and cleaning
راهکار: بارگذاری، اکتشاف و پاکسازی دادهها
Solution: Load, explore, and clean data
نمای کلی تخمین ارزش
Overview of value estimation
چالش: بارگذاری، اکتشاف و پاکسازی دادهها
Challenge: Load, explore, and clean data
2. ساخت مدل رگرسیون خطی
2. Building a Linear Regression Model
آموزش مدل: رگرسیون خطی
Train model: Linear regression
راهکار: پیادهسازی مدل رگرسیون خطی
Solution: Implement a linear regression model
ارزیابی مدل: رگرسیون خطی
Evaluate model: Linear regression
نمای کلی مدلهای رگرسیون خطی
Overview of linear regression models
چالش: پیادهسازی مدل رگرسیون خطی
Challenge: Implement a linear regression model
پیشبینی با رگرسیون خطی
Make predictions: Linear regression
3. ساخت مدل XGBoost
3. Building an XGBoost Model
چالش: پیادهسازی مدل XGBoost
Challenge: Implement an XGBoost model
راهکار: پیادهسازی مدل XGBoost
Solution: Implement an XGBoost model
پیشبینی با XGBoost
Make predictions: XGBoost
آموزش مدل: XGBoost
Train a model: XGBoost
نمای کلی مدلهای XGBoost
Overview of XGBoost models
ارزیابی مدل: XGBoost
Evaluate a model: XGBoost
4. استقرار مدل
4. Deployment
راهکار: استقرار مدل XGBoost
Solution: Deploy the XGBoost model
ارائه و سرو مدل
Serving the model
چالش: استقرار مدل XGBoost
Challenge: Deploy the XGBoost model
نمای کلی MLflow
MLflow overview
جمعبندی
Conclusion
گامهای بعدی در مسیر یادگیری تخمین ارزش با ماشین لرنینگ
Next steps in your machine learning value estimation journey
مربی، نویسنده، سخنران، مشاور شرکت پایتون و علوم داده
مت هریسون مربی، نویسنده، سخنران، مشاور و مشاور پایتون و علوم داده شرکتی است.
> مت به تیم ها کمک می کند تا با استفاده از سال ها تجربه در محل کار و کلاس درس، مهارت های پایتون، علوم داده و توسعه خود را به سرعت ارتقا دهند. نویسنده و مدرس مطالب یادگیری پایتون و روش های علم داده، سخنران و ارائه کننده کنفرانس های فنی مختلف در سراسر جهان بوده است. در طول سالها، او به عنوان مربی، مشاور و مشاور شرکتهای جهانی مانند HP، Adobe، Cisco، Samsung و Qualcomm و همچنین شرکتهای کوچکتری مانند Instructure و Fusion-IO کار کرده است.
نمایش نظرات