آموزش یادگیری ماشین و مبانی هوش مصنوعی: برآورد ارزش

Machine Learning and AI Foundations: Value Estimations

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: تخمین ارزش - یکی از متداول ترین انواع الگوریتم های یادگیری ماشین - می تواند با مشاهده اطلاعات مرتبط ، به طور خودکار مقادیر را تخمین بزند. به عنوان مثال ، یک وب سایت می تواند بر اساس موقعیت و مشخصات ملک ، ارزش یک خانه را تعیین کند. در این دوره مبتنی بر پروژه ، چگونگی استفاده از یادگیری ماشین برای ساختن یک سیستم تخمین ارزش را که می تواند ارزش یک خانه را استنباط کند ، کشف کنید. آدام گیتگی را دنبال کنید تا او در چگونگی استفاده از نمونه داده ها برای ساختن مدل یادگیری ماشین پیگیری کند و سپس از آن مدل در برنامه های خود استفاده کنید. اگرچه پروژه ارائه شده در این دوره بر املاک و مستغلات متمرکز است ، شما می توانید برای حل هر نوع مشکل برآورد ارزش با یادگیری ماشین از همان روش استفاده کنید.
موضوعات شامل:
  • تنظیم محیط توسعه
  • ساخت یک برآوردگر ساده ارزش خانه
  • پیدا کردن بهترین اوزان به صورت خودکار
  • کار با مجموعه داده های بزرگ به طور کارآمد
  • آموزش مدل یادگیری ماشین تحت نظارت
  • بررسی مجموعه داده های ارزش خانه
  • تصمیم گیری در مورد مقدار داده مورد نیاز
  • آماده سازی ویژگی ها
  • آموزش برآوردگر ارزش
  • اندازه گیری دقت با میانگین خطای مطلق
  • بهبود سیستم
  • استفاده از مدل یادگیری ماشین برای پیش بینی

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • آنچه باید بدانید What you should know

  • با استفاده از پرونده های تمرینی Using the exercise files

  • محیط توسعه را تنظیم کنید Set up the development environment

1. یادگیری ماشین و پیش بینی ارزش چیست؟ 1. What Is Machine Learning and Value Prediction?

  • یادگیری ماشین چیست؟ What is machine learning?

  • نظارت بر یادگیری ماشین برای پیش بینی ارزش Supervised machine learning for value prediction

  • یک برآوردگر ارزش خانه ساده بسازید Build a simple home value estimator

  • بهترین وزنها را بطور خودکار پیدا کنید Find the best weights automatically

  • استفاده جالب از پیش بینی ارزش Cool uses of value prediction

2. مروری بر ساختن یک سیستم یادگیری ماشین 2. An Overview of Building a Machine Learning System

  • آشنایی با NumPy ، scikit-Learn و پاندا Introduction to NumPy, scikit-learn, and pandas

  • در بردارها فکر کنید: چگونه با مجموعه دادههای بزرگ کارآمد کار کنیم Think in vectors: How to work with large data sets efficiently

  • گردش کار اصلی برای آموزش یک مدل یادگیری ماشین نظارت شده The basic workflow for training a supervised machine learning model

  • تقویت گرادیان: یک الگوریتم یادگیری همه کاره ماشین Gradient boosting: A versatile machine learning algorithm

3. داده های آموزش 3. Training Data

  • مجموعه داده های ارزش خانه را کاوش کنید Explore a home value data set

  • کنوانسیون های استاندارد برای نامگذاری داده های آموزش Standard conventions for naming training data

  • تصمیم بگیرید که چه مقدار داده لازم دارید Decide how much data you need

4. ویژگی ها 4. Features

  • مهندسی ویژگی Feature engineering

  • بهترین ویژگی ها را برای پیش بینی ارزش خانه انتخاب کنید Choose the best features for home value prediction

  • تا حد امکان از چند ویژگی استفاده کنید: نفرین ابعاد Use as few features as possible: The curse of dimensionality

5- کدگذاری سیستم ما 5. Coding Our System

  • ویژگی ها را آماده کنید Prepare the features

  • آموزش در مقابل داده های آزمایش Training vs. testing data

  • برآوردگر ارزش را آموزش دهید Train the value estimator

  • دقت را با میانگین خطای مطلق اندازه گیری کنید Measure accuracy with mean absolute error

6. بهبود سیستم ما 6. Improving Our System

  • بیش از حد و زیرانداز Overfitting and underfitting

  • راه حل نیروی بی رحم: جستجوی شبکه The brute force solution: Grid search

  • انتخاب ویژگی ها Feature selection

7. استفاده از برآوردگر در یک برنامه دنیای واقعی 7. Using the Estimator in a Real-World Program

  • مقادیر داده های جدید را پیش بینی کنید Predict values for new data

  • طبقه بندیگر را با داده های تازه بکشید Retrain the classifier with fresh data

نتیجه Conclusion

  • بسته شدن Wrap-up

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری ماشین و مبانی هوش مصنوعی: برآورد ارزش
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1h 4m
29
Linkedin (لینکدین) lynda-small
02 فروردین 1396 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
186,851
- از 5
ندارد
دارد
دارد
Adam Geitgey

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Adam Geitgey Adam Geitgey

Adam Geitgey یک توسعه دهنده است که از چگونگی تغییر یادگیری ماشینی توسعه نرم افزار اسیر می شود. پیشینه وی در ساخت وب سایت های در مقیاس بزرگ و کمک به راه اندازی ها در سیلیکون ولی در استفاده از یادگیری ماشین است. او اشتیاق به عملی کردن تئوری دارد - پیشرفت های مهم در یادگیری ماشین و به اشتراک گذاری آنها با توسعه دهندگان نرم افزار در تمام سطوح مهارت.

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.