نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
بسیاری از مشکلات با استفاده از یادگیری ماشین حل می شوند. این دوره به شما یاد می دهد که چگونه الگوریتم ML را انتخاب کنید که می تواند به شما در ایجاد مدل ML مناسب برای حل مسئله در دست کمک کند. راه های زیادی برای حل یک مسئله با استفاده از یادگیری ماشینی وجود دارد. انتخاب الگوریتم مناسب می تواند بین موفقیت یا «سوختن در شعله های آتش» تفاوت ایجاد کند. در این دوره آموزشی، یادگیری ماشین با پایتون - کاربرد عملی، یاد خواهید گرفت که چگونه مدل ML مناسب را برای حل مشکل دنیای واقعی خود انتخاب کنید. ابتدا، ویژگیهای بسیاری از مشکلات دنیای واقعی را که میتوان با استفاده از ML حل کرد، بررسی خواهید کرد. در مرحله بعد، متوجه خواهید شد که چگونه هر یک از انواع الگوریتم ها می توانند یک مشکل خاص را حل کنند و چگونه. در نهایت، یاد خواهید گرفت که چگونه الگوریتم مناسب را برای مشکل خود انتخاب کنید. وقتی این دوره را به پایان رساندید، مهارت ها و دانش ML مورد نیاز برای شروع کار بر روی مشکل خود و تبدیل جهان به مکانی بهتر را خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
با یادگیری ماشینی دستان خود را کثیف کنید
Getting Your Hands Dirty with Machine Learning
-
ابزار مناسب (ML) برای کار
The Right (ML) Tool for the Job
-
گرفتن (ML) فنی
Getting (ML) Technical
-
سبک های یادگیری و انواع الگوریتم
Learning Styles and Algorithm Types
-
پلتفرم ها و کتابخانه ها
Platforms and Libraries
-
بردن
Takeaway
پسرفت
Regression
-
مقدمه ای بر الگوریتم های رگرسیون
Introduction to Regression Algorithms
-
رگرسیون خطی
Linear Regression
-
رگرسیون چند جمله ای
Polynomial Regression
-
رگرسیون کمند
Lasso Regression
-
رگرسیون ریج
Ridge Regression
-
رگرسیون پرسپترون
Perceptron Regression
-
بردن
Takeaway
طبقه بندی
Classification
-
الگوریتم های طبقه بندی
Classification Algorithms
-
رگرسیون لجستیک
Logistic Regression
-
بیز ساده لوح
Naive Bayes
-
ماشین های بردار پشتیبانی
Support Vector Machines
-
K نزدیکترین همسایه ها
K Nearest Neighbors
-
درختان تصمیم گیری و جنگل های تصادفی
Decision Trees and Random Forests
-
شبکه های عصبی
Neural Networks
-
شبکه های عصبی کانولوشنال
Convolutional Neural Networks
-
بردن
Takeaway
کاهش ابعاد
Dimensionality Reduction
-
کاهش ابعاد
Dimensionality Reduction
-
تجزیه و تحلیل تشخیص خطی
Linear Discriminant Analysis
-
تجزیه و تحلیل مؤلفه های اصلی
Principal Component Analysis
-
T توزیع شده تصادفی همسایه
T Distributed Stochastic Neighbor Embedding
-
بردن
Takeaway
خوشه بندی
Clustering
-
الگوریتم های خوشه بندی
Clustering Algorithms
-
K به معنی
K Means
-
مخلوط های گاوسی
Gaussian Mixtures
-
خوشه بندی سلسله مراتبی
Hierarchical Clustering
-
انتشار قرابت
Affinity Propagation
-
بردن
Takeaway
درک انواع دیگر مشکلات ML
Understanding Other Types of ML Problems
-
انواع دیگر الگوریتم های یادگیری ماشین
Other Types of Machine Learning Algorithms
-
غذای آماده نهایی
Final Takeaway
نمایش نظرات