آموزش ساخت اولین راه حل یادگیری ماشین

Building Your First Machine Learning Solution

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: یادگیری ماشین هیجان انگیز است ، اما ممکن است پیچیده تر از آنچه که هست به نظر برسد. این دوره به شما تئوری و عمل لازم را می دهد تا با ساختن یک راه حل عملی در مورد نحوه کار یادگیری ماشین اطمینان حاصل کنید. یادگیری ماشین به عنوان یک موضوع دشوار ، چالش برانگیز و پرمحتوا درک می شود در این دوره ، ساخت اولین راه حل یادگیری ماشین شما ، جادوی یادگیری ماشین را کشف خواهید کرد و نظریه پشت آن را درک خواهید کرد. ابتدا یاد خواهید گرفت که یادگیری ماشینی چیست ، انواع آن ، کاربردهای آن ، اینکه چرا دچار کشش می شود و مراحل آن چیست. در مرحله بعدی ، خواهید فهمید که داده ها برای راه حل های یادگیری ماشین چقدر حیاتی هستند ، چگونه آنها را منبع کنید ، تحلیل کنید و برای مراحل بعدی یادگیری ماشین پردازش کنید سرانجام ، شما می آموزید که چگونه الگوریتم های یادگیری ماشین خود را آموزش دهید و آنها را ارزیابی کنید. علاوه بر این ، شما در مورد گرایش های اخیر در یادگیری ماشین ، مانند AI به عنوان یک سرویس ، دانش کسب خواهید کرد. پس از پایان این دوره ، درک کاملی از یادگیری ماشین با توانایی ساختن یک راه حل اساسی برای یادگیری ماشین رگرسیون خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

آماده شدن پاها برای اجرا Getting Your Feet Ready to Run

  • بررسی اجمالی Overview

  • چه چیزی انتظار می رود What to Expect

  • در یادگیری ماشین On Machine Learning

  • تفاوت در یادگیری ماشینی چیست؟ What Is Different About Machine Learning?

  • انواع یادگیری Learning Types

  • خط لوله یادگیری ماشین Machine Learning Pipeline

  • تعریف مسئله Problem Definition

  • نسخه ی نمایشی: نصب پایتون Demo: Installing Python

  • خلاصه Summary

تغذیه خط لوله یادگیری ماشین شما Feeding Your Machine Learning Pipeline

  • بررسی اجمالی Overview

  • مرور مجدد خط لوله ML Revisiting ML Pipeline

  • درک اطلاعات منبع یابی Understanding Data Sourcing

  • قالب CSV CSV Format

  • درک SciPy Understanding SciPy

  • نسخه ی نمایشی: بارگیری داده ها Demo: Data Loading

  • خلاصه Summary

درک روند کلی داده ها Understanding the Overall Data Trends

  • بررسی اجمالی Overview

  • مرور مجدد خط لوله ML Revisiting ML Pipeline

  • معرفی تجزیه و تحلیل داده ها Introducing Data Analysis

  • تحلیل عددی تک متغیره Univariant Numerical Analysis

  • تجزیه و تحلیل دو متغیره Bivariant Numerical Analysis

  • نسخه ی نمایشی: آمار توصیفی Demo: Descriptive Stats

  • تجسم داده ها Data Visualization

  • خلاصه Summary

آماده کردن داده های خود برای مدل ML Making Your Data Ready for the ML Model

  • بررسی اجمالی Overview

  • مرور مجدد خط لوله ML Revisting ML Pipeline

  • مقیاس گذاری داده ها: مسئله Data Scaling: The Problem

  • مقیاس گذاری داده ها: راه حل Data Scaling: The Solution

  • نیاز به تفکیک داده ها The Need for Data Segregation

  • تقسیم تست قطار Train Test Split

  • اعتبار سنجی ضربدر K Fold KFlod Cross Validation

  • استقبال از scikit یاد بگیرید Welcoming scikit-learn

  • نسخه ی نمایشی Demo

  • خلاصه Summary

پیاده سازی راه حل بازگشت شما Implementing Your Regression Solution

  • بررسی اجمالی Overview

  • مرور مجدد خط لوله ML Revisiting ML Pipeline

  • محدود کردن تمرکز خود را Scoping Your Focus

  • معرفی مشتقات Introducing Derivatives

  • رگرسیون خطی Linear Regression

  • واریانس بایاس تجارت Variance Bias Tradeoff

  • سایر الگوریتم های رگرسیون Other Regression Algorithms

  • ارزیابی مدل Model Evaluation

  • نسخه ی نمایشی Demo

  • خلاصه Summary

بعدی چیه؟ What Is Next?

  • بررسی اجمالی Overview

  • ویژگی های مدیریت Handling Features

  • بهبود مدل Model Improvement

  • ML خودکار Automated ML

  • عملیاتی شدن Operationalization

  • روند دانش داده تیم Team Data Science Process

  • خلاصه Summary

نمایش نظرات

آموزش ساخت اولین راه حل یادگیری ماشین
جزییات دوره
2h 41m
52
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
117
3.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mohammed Osman Mohammed Osman

محمد عثمان یک مهندس ارشد نرم افزار است که از 13 سالگی کد نویسی را آغاز کرد. محمد در صنایع مختلفی از جمله مخابرات ، حسابداری ، بانکداری ، بهداشت و اطمینان کار می کرد. مهارت های هسته ای محمد یک اکوسیستم دات نت است که تمرکز زیادی روی C # و Azure دارد. محمد همچنین از جنبه نرم مهندسی نرم افزار لذت می برد و تیم های scrum را هدایت می کند. محمد یک وبلاگ را با پیام "هوشمند کردن کد شما و کار شما هوشمندتر" اداره می کند ، جایی که او نکات و تکنیک هایی را برای بهبود کد شما و توصیه های ارزشمند شغلی به اشتراک می گذارد.