نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
این دوره چندین تکنیک مهم را برای پیاده سازی خوشه بندی در یادگیری ناکافی مورد استفاده قرار می دهد ، از جمله الگوریتم های خوشه بندی K-means ، mean-shift و DBScan ، همچنین نقش تنظیم ابر پارامتر و انجام خوشه بندی بر روی داده های تصویر. این دوره بخشی از : ساختن راه حل های یادگیری ماشین با مسیر یادگیری دقیق همه را بزرگ کنید بررسی اجمالی دوره 1m 31s ساخت یک مدل خوشه بندی ساده در یادگیری دقیق 53 متر 52 انجام خوشه بندی با استفاده از چندین تکنیک 56 متر 45s تنظیم Hyperparameter برای مدل های خوشه بندی 27 متر 15 ثانیه استفاده از خوشه بندی در داده های تصویر 13m 44s علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
ساخت یک مدل خوشه بندی ساده در یادگیری دقیق
Building a Simple Clustering Model in scikit-learn
-
بررسی اجمالی ماژول
Module Overview
-
پیش نیازها و طرح کلی دوره
Prerequisites and Course Outline
-
یادگیری نظارت شده و بدون نظارت
Supervised and Unsupervised Learning
-
اهداف خوشه بندی و موارد استفاده
Clustering Objectives and Use Cases
-
K به معنی خوشه بندی است
K-means Clustering
-
ارزیابی مدلهای خوشه بندی
Evaluating Clustering Models
-
شروع کار با scikit ، نصب و راه اندازی را بیاموزید
Getting Started with scikit-learn Install and Setup
-
انجام خوشه بندی K-means
Performing K-means Clustering
-
ارزیابی خوشه بندی K-means
Evaluating K-means Clustering
-
بررسی مجموعه Iris
Exploring the Iris Dataset
-
انجام خوشه بندی و ارزیابی K-means
Performing K-means Clustering and Evaluation
انجام خوشه بندی با استفاده از چندین تکنیک
Performing Clustering Using Multiple Techniques
-
بررسی اجمالی ماژول
Module Overview
-
دسته های الگوریتم های خوشه بندی
Categories of Clustering Algorithms
-
تنظیم عملکردهای کمکی برای انجام خوشه بندی
Setting up Helper Functions to Perform Clustering
-
انتخاب الگوریتم های خوشه بندی
Choosing Clustering Algorithms
-
خوشه بندی سلسله مراتبی
Hierarchical Clustering
-
خوشه بندی جمع کننده
Agglomerative Clustering
-
خوشه بندی DBSCAN
DBSCAN Clustering
-
خوشه بندی با تغییر میانگین
Mean-shift Clustering
-
خوشه بندی BIRCH
BIRCH Clustering
-
خوشه بندی تبلیغات وابسته
Affinilty Propagation Clustering
-
دسته کوچک K به معنی خوشه بندی است
Mini-batch K-means Clustering
-
خوشه بندی طیفی با استفاده از یک ماتریس پیش فرض
Spectral Clustering Using a Precomputed Matrix
تنظیم Hyperparameter برای مدل های خوشه بندی
Hyperparameter Tuning for Clustering Models
-
بررسی اجمالی ماژول
Module Overview
-
درک نمره سیلوئت
Understanding the Silhouette Score
-
K-ნიშნავს تعداد خوشه ها: روش آرنج
K-means Number of Clusters: The Elbow Method
-
K-ნიშნავს تعداد خوشه ها: روش سیلوئت
K-means Number of Clusters: The Silhouette Method
-
بذور و اقدامات از راه دور
Seeds and Distance Measures
-
تنظیم Hyperparameter: خوشه بندی K معنی دارد
Hyperparameter Tuning: K-means Clustering
-
تنظیم Hyperparameter: خوشه بندی DBSCAN
Hyperparameter Tuning: DBSCAN Clustering
-
تنظیم Hyperparameter: خوشه بندی با تغییر میانگین
Hyperparameter Tuning: Mean-shift Clustering
استفاده از خوشه بندی در داده های تصویر
Applying Clustering to Image Data
-
بررسی اجمالی ماژول
Module Overview
-
تصاویر به عنوان ماتریس
Images as Matrices
-
بررسی مجموعه ارقام دست نویس MNIST
Exploring the MNIST Handwritten Digits Dataset
-
خوشه بندی داده های تصویر
Clustering Image Data
-
خلاصه و مطالعه بیشتر
Summary and Further Study
نمایش نظرات