آموزش یادگیری ماشین کاربردی: تکنیک‌ها و کاربردها - آخرین آپدیت

دانلود Applied Machine Learning: Techniques and Applications

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره «یادگیری ماشین کاربردی: تکنیک‌ها و کاربردها» بر استفاده عملی از یادگیری ماشین در حوزه‌های مختلف، به‌ویژه بینایی ماشین، تحلیل ویژگی‌های داده و ارزیابی مدل تمرکز دارد. فراگیران تجربه عملی در زمینه تکنیک‌های کلیدی مانند پردازش تصویر و روش‌های یادگیری نظارت‌شده را کسب کرده و مهارت‌های ضروری در پیش‌پردازش داده‌ها و ارزیابی مدل را فرا می‌گیرند. این دوره به دلیل تعادل بین مفاهیم بنیادی و کاربردهای واقعی متمایز است و به دانشجویان فرصت می‌دهد تا با مجموعه‌داده‌های پرکاربرد و ابزارهایی مانند scikit-learn کار کنند. مباحث این دوره شامل طبقه‌بندی تصاویر، تشخیص اشیاء، استخراج ویژگی‌ها و انتخاب معیارهای ارزیابی برای سنجش عملکرد مدل است. با تکمیل این دوره، فراگیران به مهارت‌های عملی لازم برای پیاده‌سازی راهکارهای یادگیری ماشین مجهز می‌شوند و قادر خواهند بود این تکنیک‌ها را برای حل مسائل پیچیده در پردازش داده‌ها، بینایی ماشین و موارد دیگر به کار گیرند.

سرفصل ها و درس ها

کاربرد یادگیری ماشین در بینایی ماشین Application of Machine Learning in Computer Vision

  • مقدمه‌ای بر یادگیری ماشین کاربردی Introduction to Applied Machine Learning

  • مروری بر کاربردهای یادگیری ماشین در بینایی ماشین Application of Machine Learning in Computer Vision Overview

  • مجموعه‌داده‌ها (Datasets) Datasets

  • پیش‌پردازش Pre-Processing

  • طبقه‌بندی و ارزیابی Classification and Evaluation

ویژگی‌های داده و ارزیابی مدل Data Features & Model Evaluation

  • مروری بر ویژگی‌های داده Data Features Overview

  • ویژگی‌های داده Data Features

  • منابع آنلاین مجموعه‌داده‌ها Online Dataset Sources

  • آشنایی با نرم‌افزار Weka Introduction to Weka

  • مروری بر ارزیابی مدل Model Evaluation Overview

  • روش‌های ارزیابی مدل Model Evaluation Methods

  • منحنی ROC (ویژگی‌های عملیاتی گیرنده) Receiver Operating Characteristic Curve

پیش‌پردازش داده‌ها Data Pre-Processing

  • مروری بر پیش‌پردازش داده‌ها Data Pre-Processing Overview

  • فرمت‌ها و پاک‌سازی داده‌ها Data Formats and Cleaning

  • گسسته‌سازی (Discretization) Discretization

  • تبدیل داده‌ها Data Transformation

  • کاهش ابعاد داده‌ها Data Reduction

یادگیری نظارت‌شده Supervised Learning

  • مروری بر یادگیری نظارت‌شده Supervised Learning Overview

  • یادگیری نظارت‌شده Supervised Learning

  • الگوریتم پرسپترون و بصری‌سازی Perceptron Algorithm and Visualization

  • طبقه‌بند Naive Bayes و پیاده‌سازی Naive Bayes Classifier and Implementation

  • مرزهای تصمیم طبقه‌بندها Decision Boundaries of Classifiers

  • طبقه‌بندی متن Text Classification

نمایش نظرات

آموزش یادگیری ماشین کاربردی: تکنیک‌ها و کاربردها
جزییات دوره
19h 24m
23
(آخرین آپدیت)
2,379
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده