آموزش معیارهای ارزیابی عملکرد و روش‌های اعتبارسنجی - آخرین آپدیت

دانلود Performance measures and validation methods

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره برای دانشمندان داده، متخصصان یادگیری ماشین، پژوهشگران و دانشجویان تحصیلات تکمیلی طراحی شده است که می‌خواهند فراتر از معیارهای ابتدایی رفته و شهود آماری لازم برای ارزیابی قابل اعتماد مدل‌ها در محیط‌های عملیاتی و پژوهشی را کسب کنند. درک نحوه ارزیابی دقیق مدل‌های یادگیری ماشین برای ساخت سیستم‌هایی که در دنیای واقعی عملکرد مناسبی داشته باشند، حیاتی است. در این دوره، شما تکنیک‌های مدرن ارزیابی عملکرد طبقه‌بندی را با استفاده از تحلیل منحنی ویژگی عملکرد (ROC) می‌آموزید و معیارهای کلیدی مانند سطح زیر منحنی (AUC) و شاخص تطابق (C-index) را تفسیر خواهید کرد. همچنین یک چارچوب کاربردی برای یادگیری نظارت‌شده را بررسی می‌کنید و بر این موضوع تمرکز خواهید کرد که الگوریتم‌ها چگونه بر اساس معیارهای عملکرد، مدل‌های بهینه را انتخاب می‌کنند و اصول آماری چگونه از تصمیم‌گیری‌های قابل اعتماد پشتیبانی می‌کنند. این دوره با یک مطالعه موردی واقعی با استفاده از داده‌های سیگنال‌های زیستی به پایان می‌رسد که در آن استراتژی‌های پیشرفته اعتبارسنجی متقاطع (Cross-Validation) را برای مدیریت مجموعه‌داده‌های با اندازه‌گیری‌های تکراری و اطمینان از برآوردهای بدون سوگیری عملکرد به کار می‌گیرید. در پایان این دوره، شما قادر خواهید بود مدل‌ها را به طور دقیق ارزیابی کنید، روش‌های اعتبارسنجی مناسب را انتخاب نمایید و گردش کارهای یادگیری ماشینی را طراحی کنید که قابلیت تعمیم به داده‌های جدید را داشته باشند.

سرفصل ها و درس ها

ارزیابی عملکرد طبقه‌بندی با استفاده از منحنی ویژگی عملکرد Classification performance evaluation using receiver operator characteristic

  • منحنی ویژگی عملکرد (بخش اول) Receiver operating characteristic (part I)

  • منحنی ویژگی عملکرد (بخش دوم) Receiver operating characteristic (part II)

  • منحنی ویژگی عملکرد (بخش سوم) Receiver operating characteristic (part III)

  • منحنی ویژگی عملکرد (بخش چهارم) Receiver operating characteristic (part IV)

  • منحنی ویژگی عملکرد (بخش پنجم) Receiver operating characteristic (part V)

  • AUC و شاخص تطابق (بخش اول) AUC and concordance index (part I)

  • AUC و شاخص تطابق (بخش دوم) AUC and concordance index (part II)

  • AUC و شاخص تطابق (بخش سوم) AUC and concordance index (part III)

  • AUC و شاخص تطابق (بخش چهارم) AUC and concordance index (part IV)

مطالعه موردی: پیش‌بینی غلظت یون‌های فلزی Case study: Metal ion concentration prediction

  • مقدمه‌ای بر مسئله Introduction to the problem

  • داده‌های غلظت یون فلزی Metal ion concentration data

  • تعمیم به غلظت‌های جدید Generalizing to new concentrations

  • حذف خوشه‌ای برای پیش‌بینی غلظت Leave-cluster-out for concentration prediction

مطالعه موردی: ارزیابی درد از طریق داده‌های سیگنال زیستی Case study: Pain assessment from biosignal data

  • مقدمه‌ای بر مسئله Introduction to the problem

  • داده‌های سیگنال زیستی و مطالعه موردی ارزیابی درد Biosignal data and pain assessment case study

  • حذف خوشه‌ای برای ارزیابی درد Leave-cluster-out for pain assessment

  • اعتبارسنجی نتایج ارزیابی درد Validation of the pain assessment results

نمایش نظرات

آموزش معیارهای ارزیابی عملکرد و روش‌های اعتبارسنجی
جزییات دوره
4h 22m
17
(آخرین آپدیت)
19
- 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