مبانی یادگیری ماشین [ویدئو]

Fundamentals of Machine Learning [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشین شاخه‌ای از هوش مصنوعی و علوم کامپیوتر است که بر استفاده از داده‌ها برای تقلید از روش یادگیری انسان و بهبود دقت آن تمرکز دارد. دوره به دو بخش تقسیم می شود. بخش اول با تاریخچه مختصری از نحوه شروع یادگیری ماشین شروع می شود و شما را با اصول یادگیری آماری آشنا می کند. شما همچنین رگرسیون خطی و طبقه بندی را که مدل رگرسیون لجستیک است، درک خواهید کرد. درک کنید که اعتبار سنجی متقابل، نمونه برداری و بوت استرپ چیست. چگونگی فراتر رفتن از خطی بودن را کاوش کنید. ما به طور خاص به چند مثال جالب برای بهبود مدل رگرسیون خطی نگاه خواهیم کرد تا ببینیم آیا می‌توانیم مدل‌هایی غیرخطی ایجاد کنیم. بخش دوم دوره کاملاً آزمایشگاهی عملی است که با مثالی از پیش‌بینی بازده سوخت در رگرسیون خطی شروع می‌شود. سپس به آزمایشگاه رگرسیون لجستیک با کمی ریاضیات در پشت آن نگاه خواهیم کرد. یک جلسه آزمایشگاهی دیگر در مورد جنگل های تصادفی را درک کنید و درختان تصمیم را نیز بررسی کنید. در مرحله بعد، با استفاده از تجزیه و تحلیل مؤلفه های اصلی (PCA) به یک جلسه آزمایشگاهی در Eigenfaces نگاه می کنیم و یک دوره را با یک آزمایشگاه در مورد ROC-AUC (منحنی عملکرد گیرنده-منحنی زیر منحنی) جمع بندی می کنیم. در پایان دوره، به خودتان مهارت و اعتماد به نفس می دادید تا برنامه نویسی الگوریتم های یادگیری ماشین را شروع کنید. همه منابع و فایل‌های کد در اینجا قرار می‌گیرند: https://github.com/PacktPublishing/Fundamentals-of-Machine-Learning اصول یادگیری آماری را بیاموزید درک رگرسیون خطی، طبقه‌بندی و یادگیری نظارت شده درک نمونه‌برداری و بوت استرپ در یادگیری ماشینی مدل کاوش انتخاب و منظم‌سازی جنگل‌های تصادفی و درخت‌های تصمیم را درک کنید. آزمایشگاه‌های پرسپترون چندلایه (MLP) و RNN را کاوش کنید. دانشمندان، دانشمندان داده و تحلیلگران داده نیز می توانند این دوره را انتخاب کنند. دوره بدون دانش قبلی در نظر گرفته شده است. با این حال، برخی از آموزش های قبلی در برنامه نویسی پایتون و برخی دانش پایه حساب دیفرانسیل و انتگرال برای این دوره مفید است. برای شروع حرفه علم داده خود، مدل های یادگیری عمیق سفارشی سازی کنید * ساخت مدل های سفارشی برای استفاده برای پروژه های مختلف علم داده * با اصول اساسی یادگیری ماشینی آشنا شوید

سرفصل ها و درس ها

سخنرانی ها Lectures

  • خوش آمدی Welcome

  • معرفی Introduction

  • مبانی در یادگیری آماری Basics in Statistical Learning

  • رگرسیون خطی Linear Regression

  • طبقه بندی Classification

  • نمونه برداری و بوت استرپ Sampling and Bootstrap

  • انتخاب مدل Model Selection

  • فراتر رفتن از خطی بودن Going Beyond Linearity

  • روش های مبتنی بر درخت - قسمت 1 Tree-Based Methods - Part 1

  • روش های مبتنی بر درخت - قسمت 2 Tree-Based Methods - Part 2

  • ماشین بردار پشتیبانی (SVM) Support Vector Machine (SVM)

  • یادگیری عمیق Deep Learning

  • یادگیری بدون نظارت Unsupervised Learning

  • معیارهای طبقه بندی Classification Metrics

آزمایشگاه ها Labs

  • رگرسیون خطی Linear Regression

  • رگرسیون لجستیک Logistic Regression

  • ریج Ridge

  • درخت تصمیم Decision Tree

  • جنگل های تصادفی Random Forests

  • ماشین بردار پشتیبانی (SVM) Support Vector Machine (SVM)

  • پرسپترون چند لایه (MLP) Multilayer Perceptron (MLP)

  • CNN CNN

  • PCA PCA

  • ROCAUC ROCAUC

نمایش نظرات

مبانی یادگیری ماشین [ویدئو]
جزییات دوره
8 h 41 m
24
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Yiqiao Yin Yiqiao Yin

Yiqiao Yin دانشجوی دکترای آمار در دانشگاه کلمبیا بود. او دارای لیسانس ریاضیات و کارشناسی ارشد در رشته مالی از دانشگاه روچستر است. او همچنین دارای طیف گسترده ای از علایق تحقیقاتی در یادگیری بازنمایی است: یادگیری ویژگی، یادگیری عمیق، بینایی کامپیوتر و NLP. Yiqiao Yin یک دانشمند ارشد داده در شرکت S&P 500 LabCorp است که راه حل های مبتنی بر هوش مصنوعی را برای تشخیص و توسعه دارو توسعه می دهد. او سمت‌های حرفه‌ای به‌عنوان دانشمند داده در سطح سازمانی در شرکت EURO STOXX 50 بایر، یک محقق کمی در AQR که بر روی استراتژی‌های کمی جایگزین برای مدیریت پورتفولیو و معاملات مبتنی بر عامل کار می‌کند، و معامله‌گر سهام در T3 Trading در وال استریت داشته است.

Yiqiao Yin Yiqiao Yin

Yiqiao Yin دانشجوی دکترای آمار در دانشگاه کلمبیا بود. او دارای لیسانس ریاضیات و کارشناسی ارشد در رشته مالی از دانشگاه روچستر است. او همچنین دارای طیف گسترده ای از علایق تحقیقاتی در یادگیری بازنمایی است: یادگیری ویژگی، یادگیری عمیق، بینایی کامپیوتر و NLP. Yiqiao Yin یک دانشمند ارشد داده در شرکت S&P 500 LabCorp است که راه حل های مبتنی بر هوش مصنوعی را برای تشخیص و توسعه دارو توسعه می دهد. او سمت‌های حرفه‌ای به‌عنوان دانشمند داده در سطح سازمانی در شرکت EURO STOXX 50 بایر، یک محقق کمی در AQR که بر روی استراتژی‌های کمی جایگزین برای مدیریت پورتفولیو و معاملات مبتنی بر عامل کار می‌کند، و معامله‌گر سهام در T3 Trading در وال استریت داشته است.