Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
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
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.
نمایش نظرات