آموزش اعتبارسنجی مدل و تنظیم هایپرپارامترها در زبان R - آخرین آپدیت

دانلود Model Validation and Hyperparameter Tuning in R

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: اعتبارسنجی دقیق مدل و بهینه‌سازی هایپرپارامترها برای دستیابی به نتایج قابل اعتماد در یادگیری ماشین، به‌ویژه در محیط‌های حساس، ضروری است. در این دوره آموزشی با عنوان «اعتبارسنجی مدل و تنظیم هایپرپارامترها در R»، شما توانایی بهبود عملکرد مدل را از طریق پیاده‌سازی تکنیک‌های اعتبارسنجی قدرتمند و تنظیم دقیق هایپرپارامترها کسب خواهید کرد. ابتدا، نحوه ارزیابی قابلیت اطمینان مدل را از طریق تقسیم داده‌ها به مجموعه‌های آموزش و تست (train-test split) و اعتبارسنجی متقاطع k-fold با استفاده از بسته‌های R مانند caret و tidymodels بررسی می‌کنید. سپس، یاد می‌گیرید که چگونه بیش‌برازش (overfitting) و کم‌برازش (underfitting) را با استفاده از معیارهای عملکردی مانند RMSE و AUC شناسایی کنید. در نهایت، نحوه به‌کارگیری روش‌های Grid Search، Random Search و بهینه‌سازی بیزی (Bayesian optimization) را برای تنظیم سیستماتیک هایپرپارامترها و به حداکثر رساندن دقت پیش‌بینی خواهید آموخت. در پایان این دوره، شما مهارت‌ها و دانش پیشرفته‌ای در ارزیابی و تنظیم مدل خواهید داشت تا بتوانید با اطمینان، مدل‌های یادگیری ماشین با کارایی بالا را با استفاده از R ارائه دهید.

سرفصل ها و درس ها