آموزش اشتباهاتی که باید در یادگیری ماشینی اجتناب کنید

Mistakes to Avoid in Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ساخت مدل های یادگیری ماشین می تواند یک روند هیجان انگیز باشد. اما اغلب اوقات ، دانشمندان داده خود را درگیر خطاها ، خروجی بد و انبوهی از مسائل دیگر می دانند که می تواند پیشرفت آنها را کند کند. در این دوره سریع ، نکات تخصصی در مورد چگونگی جلوگیری از رایج ترین اشتباهاتی که دانشمندان هنگام ساخت مدل های یادگیری ماشین مرتکب می شوند ، دریافت کنید. مربی Brett Vanderblock ، دانشمند ارشد داده در Patagonia ، تخصص خود را برای کمک به شما در تنظیم دقیق روند کار یادگیری ماشین به اشتراک می گذارد. از کار کردن با داده های بد ، نصب بیش از حد ، عدم دریافت بازخورد ، چیزهای زیادی برای یادگیری وجود دارد.

این دوره توسط Madecraft ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.


سرفصل ها و درس ها

مقدمه Introduction

  • پرهیز از اشتباهات یادگیری ماشین Avoiding machine learning mistakes

  • با استفاده از پرونده های تمرینی Using the exercise files

1. اشتباهات برای جلوگیری از 1. Mistakes to Avoid

  • با فرض اینکه داده ها خوب است Assuming data is good to go

  • بی توجهی به مشاوره با کارشناسان موضوع Neglecting to consult subject matter experts

  • بیش از حد مناسب مدل های خود Overfitting your models

  • داده های شما استاندارد نیست Not standardizing your data

  • تمرکز روی عوامل اشتباه است Focusing on the wrong factors

  • نشت داده Data leakage

  • فراموش کردن ابزارهای سنتی آمار Forgetting traditional statistics tools

  • با فرض اعزام یک نسیم است Assuming deployment is a breeze

  • با فرض یادگیری ماشین جواب می دهد Assuming machine learning is the answer

  • در حال توسعه در یک سیلو Developing in a silo

  • برای نمونه برداری نامتعادل درمان نمی شود Not treating for imbalanced sampling

  • بدون درمان صحیح چند خطی بودن ، ضرایب خود را تفسیر کنید Interpreting your coefficients without properly treating for multicollinearity

  • ارزیابی فقط با دقت Evaluating by accuracy alone

  • ارائه بیش از حد ارائه فنی Giving overly technical presentations

نتیجه Conclusion

  • مهارت های یادگیری ماشین خود را به سطح بعدی برسانید Take your machine learning skills to the next level

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 اشتباهاتی که باید در یادگیری ماشینی اجتناب کنید
جزییات دوره
39m 50s
17
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
297
- 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

Madecraft Madecraft

شرکت محتوای یادگیری با سرویس کامل Madecraft یک شرکت محتوای یادگیری کامل سرویس است که در سانتا باربارا ، کالیفرنیا مستقر است.

خط لوله تولید برنده جایزه این شرکت در حال ایجاد نسل بعدی محتوای یادگیری است که مهارت های دنیای واقعی را آموزش می دهد و ارائه می دهد.

Madecraft بهترین استعدادهای صنعت و شرکای قابل اعتماد را با یک چشم انداز جمع می کند: به مشتریان از محتوای برتر در سطح صدای مارک خود ، اطلاعات بالایی ارائه دهید. تیم Madecraft متعهد به افزایش سهام و ارتقا the صنایع دستی با محتوای کارآمد و مقیاس پذیر مطابق با مشخصات مشتری و ساخته شده برای تعامل و توانمند سازی افراد است.

اگر شما یا شرکت خود به دنبال تیمی برای ساخت دوره های آنلاین هستید ، از Madecraft در onlymadecraft.com دیدن کنید.

Brett Vanderblock Brett Vanderblock

برت وندربلاک دانشمند داده با پاتاگونیا و از بنیانگذاران Think Fast Analytics است. برت تجربه ثابت کرده است که در بین صنایع مختلف ، از جمله شرکت های تازه تاسیس ، دولت های ایالتی و محلی ، آموزش عالی ، مراقبت های بهداشتی و خرده فروشی ، در سطح بینش ظاهر می شود. او همیشه به تخصص عمیق خود در زمینه یادگیری ماشین ، تجسم داده ها و خطوط انتقال داده ادامه می دهد. برت که یک مربی ذهنی است ، از ارائه "داده درمانی" لذت می برد تا دیگران را از طریق تجزیه و تحلیل سلف سرویس متوجه مزایای داده های خود شوند.