آموزش علم داده با پایتون: مبانی یادگیری ماشین

Data Science with Python: Foundations of Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: احتمالاً شنیده اید که چگونه یادگیری ماشینی جهان ما را شکل می دهد - از تشخیص چهره گرفته تا تحویل بسته، از تشخیص گفتار تا توصیه های محصول. اما چگونه می توان در این زمینه هیجان انگیز شروع کرد؟ در این دوره، علم داده با پایتون: مبانی یادگیری ماشین، توانایی حل مشکلات تجاری با استفاده از پایتون را به دست خواهید آورد. ابتدا، نحوه شناسایی و چارچوب بندی انواع مختلف مشکلات یادگیری ماشین را بررسی خواهید کرد. در مرحله بعد، نحوه آموزش یک مدل یادگیری ماشینی را با استفاده از داده های آماده کشف خواهید کرد. در نهایت، نحوه ارزیابی عملکرد یک مدل یادگیری ماشینی را با استفاده از معیارهای ارزیابی مختلف یاد خواهید گرفت. هنگامی که این دوره را به پایان رساندید، مهارت ها و دانش فرآیند یادگیری ماشین را خواهید داشت تا به طور موثر مدل های خود را با استفاده از پایتون بسازید، آموزش دهید و ارزیابی کنید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

درک مبانی یادگیری ماشین Understanding Machine Learning Basics

  • آیا می توانیم این مشکل را با یادگیری ماشین حل کنیم؟ Can We Solve This Problem with Machine Learning?

  • انواع مشکلات یادگیری ماشینی Types of Machine Learning Problems

  • آماده سازی داده ها برای یادگیری ماشینی Preparing Data for Machine Learning

  • نسخه ی نمایشی: استفاده از پایتون برای پاکسازی و کاوش داده ها Demo: Using Python for Data Cleansing and Exploration

  • ساخت و آموزش یک مدل یادگیری ماشینی Building and Training a Machine Learning Model

  • نسخه ی نمایشی: استفاده از پایتون برای ساخت و آموزش یک مدل Demo: Using Python to Build and Train a Model

ارزیابی مدل های یادگیری ماشینی Evaluating Machine Learning Models

  • تکنیک ها و معیارهای ارزیابی مدل های یادگیری ماشینی Techniques and Metrics to Evaluate Machine Learning Models

  • نسخه ی نمایشی: استفاده از پایتون برای ارزیابی مدل یادگیری ماشین Demo: Using Python to Evaluate a Machine Learning Model

نمایش نظرات

آموزش علم داده با پایتون: مبانی یادگیری ماشین
جزییات دوره
40m
9
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
5
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

Amber Israelsen Amber Israelsen

امبر از اوایل دهه 2000 توسعه دهنده نرم افزار و مربی فنی بوده است. وی دارای گواهینامه های AWS و انواع فن آوری های مایکروسافت است. در سالهای اخیر ، وی به تدریس دانش آموزان در سراسر جهان بر روی AWS ، Azure ، Dynamics 365 ، SharePoint و ASP.NET تمرکز کرده است. وی همچنین با تخصص خود در ارتباطات تصویری ، تجربه کاربر و مهارتهای شغلی/شغلی ، برای جبران شکاف بین توسعه دهندگان ، طراحان و تجار تلاش می کند.