آموزش یادگیری ماشین و هوش مصنوعی: درختان تصمیم گیری پیشرفته با SPSS

Machine Learning and AI: Advanced Decision Trees with SPSS

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
اگر برای درک یادگیری ماشین کار می کنید، مهم است که بدانید چگونه با درختان تصمیم کار کنید. در این دوره، مفاهیم پیشرفته و جزئیات الگوریتم های درخت تصمیم را بررسی کنید. در مورد الگوریتم QUEST و نحوه مدیریت آن با متغیرهای اسمی، متغیرهای ترتیبی و پیوسته و داده های از دست رفته بیاموزید. الگوریتم C5.0 را کاوش کنید و برخی از ویژگی های کلیدی آن مانند هرس جهانی و بریدن را مرور کنید. به‌علاوه، در چند موضوع پیشرفته که برای همه درخت‌های تصمیم‌گیری اعمال می‌شود، مانند تقویت و بسته‌بندی، شیرجه بزنید.
اهداف یادگیری
  • درک توابع و برنامه های کاربردی QUEST
  • مفاهیم C5.0 و کاربردهای عملی
  • درک به دست آوردن اطلاعات
  • جنگل های تصادفی
  • تقویت و بسته بندی
  • هزینه ها و پیشینه ها

سرفصل ها و درس ها

معرفی Introduction

  • خوش آمدی Welcome

  • آنچه شما باید بدانید What you should know

  • با استفاده از فایل های تمرین Using the exercise files

1. درک QUEST 1. Understanding QUEST

  • بررسی اجمالی Overview

  • QUEST چگونه متغیرهای اسمی را مدیریت می کند How QUEST handles nominal variables

  • QUEST چگونه متغیرهای ترتیبی و پیوسته را مدیریت می کند How QUEST handles ordinal and continuous variables

  • QUEST چگونه داده های از دست رفته را مدیریت می کند How QUEST handles missing data

  • هرس در QUEST Pruning in QUEST

  • قوانین توقف در QUEST Stopping rules in QUEST

  • امتحان فصل Chapter Quiz

2. درک C5.0 2. Understanding C5.0

  • ID3 و C4.5 ID3 and C4.5

  • ویژگی های برنده Winnowing attributes

  • مجموعه قوانین Rule sets

  • درک به دست آوردن اطلاعات Understanding information gain

  • هرس در C5.0 Pruning in C5.0

  • چگونه C5.0 داده های از دست رفته را مدیریت می کند How C5.0 handles missing data

  • امتحان فصل Chapter Quiz

3. موضوعات پیشرفته 3. Advanced Topics

  • گروه ها Ensembles

  • کیسه کشی چیست؟ What is bagging?

  • استفاده از کیسه برای انتخاب ویژگی Using bagging for feature selection

  • جنگل های تصادفی Random forests

  • تقویت چیست؟ What is boosting?

  • هزینه ها و پیشینه ها Costs and priors

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش یادگیری ماشین و هوش مصنوعی: درختان تصمیم گیری پیشرفته با SPSS
جزییات دوره
1h 16m
24
Linkedin (لینکدین) Linkedin (لینکدین)
(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

Keith McCormick Keith McCormick

داده کاو ، مربی ، سخنران ، نویسنده کیت مک کورمیک یک کاوشگر اطلاعات ، مربی ، سخنران و نویسنده مستقل است.

کیت در توضیح روشهای پیچیده برای کاربران جدید یا تصمیم گیرندگان در سطوح مختلف از جزئیات فنی مهارت دارد. وی متخصص در مدل های پیش بینی و تجزیه و تحلیل تقسیم بندی از جمله درختان طبقه بندی ، شبکه های عصبی ، مدل خطی کلی ، تجزیه خوشه و قوانین ارتباط است.