آموزش الگوریتم‌های پیشرفته یادگیری ماشین و یادگیری بدون نظارت - آخرین آپدیت

مجموعه جنگل تصادفی Random Forest Ensemble

• تکنیک‌های مجموعه‌ای بگینگ و جنگل تصادفی Ensemble Techniques Bagging and Random Forest

• مراحل جنگل تصادفی هرس کردن و بهینه‌سازی Random Forest Steps Pruning and Optimization

• ساخت مدل و تنظیم هایپرپارامترها با استفاده از Grid Search CV Model Building and Hyperparameter Tuning using Grid Search CV

• ادامه بهینه‌سازی Optimization Continued

ماشین بردار پشتیبان Support Vector Machine

• مفاهیم ماشین بردار پشتیبان Support Vector Machine Concepts

• معیارهای ماشین بردار پشتیبان و SVM چندجمله‌ای Support Vector Machine Metrics and Polynomial SVM

• پروژه اول ماشین بردار پشتیبان Support Vector Machine Project 1

• پیش‌بینی‌های ماشین بردار پشتیبان Support Vector Machine Predictions

• ماشین بردار پشتیبان طبقه‌بندی داده‌های چندجمله‌ای Support Vector Machine - Classifying Polynomial Data

کاهش ابعاد و تحلیل مؤلفه‌های اصلی (PCA) Dimensionality Reduction - Principal Component Analysis (PCA)

• مفاهیم تحلیل مؤلفه‌های اصلی Principal Component Analysis - Concepts

• محاسبات تحلیل مؤلفه‌های اصلی ۱ Principal Component Analysis - Computations 1

• محاسبات تحلیل مؤلفه‌های اصلی ۲ Principal Component Analysis - Computations 2

• تمرینات عملی تحلیل مؤلفه‌های اصلی Principal Component Analysis Practicals

یادگیری بدون نظارت با استفاده از خوشه‌بندی K-Means Unsupervised Learning using K-Means Clustering

• یادگیری بدون نظارت خوشه‌بندی K-Mean Unsupervised Learning - K-Mean Clustering

• محاسبات خوشه‌بندی K-Means K-Means Clustering Computation

• بهینه‌سازی خوشه‌بندی K-Means K-Means Clustering Optimization

• آماده‌سازی داده‌ها و مدل‌سازی K-Means K-Means - Data Preparation and Modelling

• بهینه‌سازی مدل K-Means K-Means - Model Optimization

مقدمه‌ای بر یادگیری عمیق Introduction to Deep Learning

• مقدمه‌ای بر یادگیری عمیق Introduction to Deep Learning