آموزش ساخت مدلهای خوشه بندی با یادگیری دقیق

Building Clustering Models with scikit-learn

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

نظری ارسال نشده است.

آموزش ساخت مدلهای خوشه بندی با یادگیری دقیق
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
2h 33m
37
Pluralsight (پلورال سایت) pluralsight-small
04 اردیبهشت 1398 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
22
4.6 از 5
دارد
دارد
دارد
Janani Ravi

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.