آموزش ساخت مدل‌های رگرسیون، طبقه‌بندی و خوشه‌بندی - آخرین آپدیت

دانلود Build Regression, Classification, and Clustering Models

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در بیشتر موارد، هدف نهایی یک پروژه یادگیری ماشین، تولید یک مدل است. مدل‌ها تصمیم‌گیری می‌کنند، پیش‌بینی می‌کنند و هر چیزی که بتواند به کسب‌وکار کمک کند تا خود، مشتریان و محیط اطرافش را بهتر از یک انسان درک کند، ارائه می‌دهند. مدل‌ها با استفاده از الگوریتم‌ها ساخته می‌شوند و در دنیای یادگیری ماشین، الگوریتم‌های متنوعی برای انتخاب وجود دارد. شما باید بدانید چگونه بهترین الگوریتم را برای یک وظیفه خاص انتخاب کنید و چگونه از آن برای تولید یک مدل کاربردی که برای کسب‌وکار ارزش‌آفرین باشد، استفاده نمایید. این دوره سوم از گواهینامه حرفه‌ای متخصص هوش مصنوعی (CAIP)، شما را با برخی از اصلی‌ترین الگوریتم‌های یادگیری ماشین که برای حل دو مورد از رایج‌ترین مسائل نظارت‌شده (Supervised) یعنی رگرسیون و طبقه‌بندی، و یکی از رایج‌ترین مسائل نظارت‌نشده (Unsupervised) یعنی خوشه‌بندی استفاده می‌شوند، آشنا می‌کند. شما با استفاده از گردش کار یادگیری ماشین که در دوره قبلی آموختید، مدل‌های متعددی را برای هر یک از این مسائل خواهید ساخت. در نهایت، این دوره یک کاوش فنی در الگوریتم‌های مختلف یادگیری ماشین و نحوه استفاده از آن‌ها برای ساخت مدل‌های حل مسئله را آغاز می‌کند.

سرفصل ها و درس ها

ساخت مدل‌های رگرسیون خطی با استفاده از جبر خطی Build Linear Regression Models Using Linear Algebra

  • مقدمه دوره: ساخت مدل‌های رگرسیون، طبقه‌بندی و خوشه‌بندی Course Intro: Build Regression, Classification, and Clustering Models

  • مقدمه ماژول ساخت مدل‌های رگرسیون خطی با جبر خطی Build Linear Regression Models Using Linear Algebra Module Introduction

  • رگرسیون خطی Linear Regression

  • معادله خطی Linear Equation

  • مثال برازش خط مستقیم روی داده‌ها Straight Line Fit to Data Example

  • رگرسیون خطی در یادگیری ماشین Linear Regression in Machine Learning

  • ماتریس‌ها در رگرسیون خطی Matrices in Linear Regression

  • معادله نرمال Normal Equation

  • مدل‌های خطی پیشرفته Advanced Linear Models

  • تابع هزینه Cost Function

  • معیارهای MSE و MAE MSE and MAE

  • ضریب تعیین Coefficient of Determination

  • نقاط ضعف معادله نرمال Normal Equation Shortcomings

ساخت مدل‌های رگرسیون خطی تکرار شونده و منظم‌سازی شده Build Regularized and Iterative Linear Regression Models

  • مقدمه ماژول ساخت مدل‌های رگرسیون خطی تکرار شونده و منظم‌سازی شده Build Regularized and Iterative Linear Regression Models Module Introduction

  • تکنیک‌های منظم‌سازی (Regularization) Regularization Techniques

  • رگرسیون ریج (Ridge) Ridge Regression

  • رگرسیون لاسو (Lasso) Lasso Regression

  • رگرسیون شبکه الاستیک (Elastic Net) Elastic Net Regression

  • مدل‌های تکرار شونده Iterative Models

  • گرادیان کاهشی (Gradient Descent) Gradient Descent

  • تکنیک‌های گرادیان کاهشی Gradient Descent Techniques

آموزش مدل‌های طبقه‌بندی Train Classification Models

  • مقدمه ماژول آموزش مدل‌های طبقه‌بندی Train Classification Models Module Introduction

  • نقاط ضعف رگرسیون خطی Linear Regression Shortcomings

  • رگرسیون لجستیک Logistic Regression

  • مرز تصمیم‌گیری Decision Boundary

  • تابع هزینه برای رگرسیون لجستیک Cost Function for Logistic Regression

  • الگوریتم k-نزدیک‌ترین همسایه (kNN) k-Nearest Neighbor (k-NN)

  • مقایسه رگرسیون لجستیک و kNN Logistic Regression vs. k-NN

  • طبقه‌بندی چندبرچسبی و چندکلاسه Multi-Label and Multi-Class Classification

  • رگرسیون لجستیک چندجمله‌ای Multinomial Logistic Regression

ارزیابی و تنظیم مدل‌های طبقه‌بندی Evaluate and Tune Classification Models

  • مقدمه ماژول ارزیابی و تنظیم مدل‌های طبقه‌بندی Evaluate and Tune Classification Models Module Introduction

  • عملکرد مدل Model Performance

  • ماتریس اغتشاش (Confusion Matrix) Confusion Matrix

  • اندازه‌گیری عملکرد طبقه‌بندی‌کننده Classifier Performance Measurement

  • دقت (Accuracy) Accuracy

  • صحت (Precision) Precision

  • بازیابی (Recall) Recall

  • امتیاز F1 F₁ Score

  • منحنی مشخصه عملیاتی گیرنده (ROC) Receiver Operating Characteristic (ROC) Curve

  • آستانه‌ها و AUC Thresholds and AUC

  • منحنی صحت-بازیابی (PRC) Precision–Recall Curve (PRC)

  • بهینه‌سازی هایپرپارامترها Hyperparameter Optimization

  • جستجوی شبکه‌ای (Grid Search) Grid Search

  • جستجوی تصادفی Randomized Search

  • بهینه‌سازی بیزی Bayesian Optimization

  • الگوریتم‌های ژنتیک Genetic Algorithms

ساخت مدل‌های خوشه‌بندی Build Clustering Models

  • مقدمه ماژول ساخت مدل‌های خوشه‌بندی Build Clustering Models Module Introduction

  • خوشه‌بندی k-میانگین (k-Means) k-Means Clustering

  • بهینه‌سازی سراسری در مقابل محلی Global vs. Local Optimization

  • نقطه آرنج (Elbow Point) Elbow Point

  • مجموع مربعات خوشه‌ها Cluster Sum of Squares

  • تحلیل سیلوئت (Silhouette Analysis) Silhouette Analysis

  • نقاط ضعف خوشه‌بندی k-میانگین k-Means Clustering Shortcomings

  • خوشه‌بندی سلسله‌مراتبی Hierarchical Clustering

  • دندروگرام Dendrogram

اعمال آموخته‌ها در پروژه عملی Apply What You've Learned

نمایش نظرات

آموزش ساخت مدل‌های رگرسیون، طبقه‌بندی و خوشه‌بندی
جزییات دوره
20h 19m
55
(آخرین آپدیت)
3,560
4.3 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده