مرورگر شما از این ویدیو پشتیبانی نمی کند.
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
(صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)
بارگزاری مجدد
توضیحات دوره:
در این دوره، تمامی تکنیکهای اصلی مورد نیاز برای استفاده مؤثر از H2O را خواهیم آموخت. حتی اگر هیچ تجربه قبلی در زمینه یادگیری ماشین ندارید و یا ریاضیات شما ضعیف است، تا پایان این دوره قادر خواهید بود مدلهای یادگیری ماشین را با استفاده از الگوریتمهای متنوعی بسازید. ما از مدلهای خطی، جنگل تصادفی (Random Forest)، GBMها و البته یادگیری عمیق و همچنین برخی از الگوریتمهای یادگیری بدون نظارت استفاده خواهیم کرد. همچنین قادر خواهید بود مدلهای خود را ارزیابی کرده و بهترین مدل را نه تنها برای دادههایتان، بلکه با توجه به محدودیتهای تجاری مورد نظر، انتخاب کنید.
سرفصل ها و درس ها
H2O و مبانی {// a single line break same as original}
H2O AND THE FUNDAMENTALS
خوشآمدگویی
Welcome!
برنامه هفته اول چیست؟
What's In Week One?
موارد ضروری برای دانستن
Need To Know
پیشنصب شماره ۱ (برای لینوکس)
Preinstall #1 (with Linux)
پیشنصب شماره ۲ (برای ویندوز)
Preinstall #2 (with Windows)
نصب H2O
Installing H2O
یک نگاه سریع به یادگیری عمیق
A Quick Deep Learning!
اتومیل (AutoML)
AutoML
انواع مدلها
Types Of Models
کجا برویم برای سوالات؟
Where To Go With Questions
جمعبندی
Summary
درختها و بیشبرازش (Overfitting)
Trees And Overfitting
مقدمه هفتگی
Weekly Intro
درختهای تصمیم
Decision Trees
جنگل تصادفی (Random Forest)
Random Forest
جنگل تصادفی در H2O (مجموعه داده Iris)
Random Forest in H2O (Iris)
GBM
GBM
GBM در H2O (مجموعه داده Iris)
GBM in H2O (Iris)
وارد کردن دادهها از کلاینت
Importing From Client
مجموعه دادههای مصنوعی
Artificial Data Sets
بیشبرازش و تقسیمبندی آموزش/اعتبارسنجی/تست
Overfitting and Train/Valid/Test
آموزش/اعتبارسنجی/تست در H2O
Train/Valid/Test in H2O
GBM در H2O (دادههای مصنوعی)
GBM in H2O (artificial data)
بیایید یک GBM را بیشبرازش کنیم!
Let's Overfit A GBM!
اعتبارسنجی متقابل (Cross validation) در H2O (GBM)
Cross-validation in H2O (GBM)
درباره تکلیف peer review
About the peer review task
جمعبندی هفته دوم
Week Two Summary
مدلهای خطی و موارد بیشتر
LINEAR MODELS AND MORE
کاوش در جهان دادهها
Exploring The Universe
بارگذاری از منابع خارجی
Loading From Remote Sources
خروجی گرفتن از دادهها در H2O
Exporting Data From H2O
کاوش با استفاده از GLMها
Exploring With GLMs
نایو بیز (Naive Bayes)
Naive Bayes
دستکاری دادهها و آمار
Data Manipulation, Statistics
جستجوی شبکهای (Grid Search)
Grid Search
اعمال شبکهها (Grids)
Applying Grids
جمعبندی
Summary
یادگیری عمیق
Deep Learning
مقدمه هفتگی و توقف زودهنگام (Early Stopping)
Weekly Introduction and Early Stopping
بارگذاری و ذخیره مدلها
Load & Save Models
اتصال جداول داده
Binding data tables
ادغام و پیوندها (Joins)
Merging and joins
شبکههای عصبی
Neural Networks
یادگیری عمیق بخش اول
Deep Learning Part 1
یادگیری عمیق بخش دوم
Deep Learning Part 2
یادگیری عمیق با شبکهها (Grids)
Deep Learning with Grids
رگرسیون با یادگیری عمیق
Regression with Deep Learning
معرفی تکلیف نمرهدهی شده
Introducing The Graded Task
جمعبندی هفته چهارم
Summary Of Week Four
یادگیری بدون نظارت
UNSUPERVISED LEARNING
هفته پنجم: یادگیری بدون نظارت
Week Five Is Unsupervised
اتوانکودرها (Autoencoders)
Autoencoders
استفاده از اتوانکودرها
Using Autoencoders
PCA و GLRM
PCA And GLRM
خوشهبندی و K-Means
Clustering, K-Means
ترمیم دادهها شماره ۱
Data Repair #1
ترمیم دادهها شماره ۲
Data Repair #2
تمرین عملی ترمیم دادهها
Hands-on Data Repair
پروژه هفته آینده
Next Week's Project
جمعبندی هفته پنجم
Week Five Summary
everything else!
Everything Else!
جمعبندی نهایی تمام مباحث
Pulling It All Together
آنسامبلها (Ensembles)
Ensembles
آنسامبلهای پشتهای (Stacked Ensembles) در H2O
Stacked Ensembles In H2O
POJO و MOJO
Pojo And Mojo
خوشهها
Clusters
Deep Water
Deep Water
AI بدون راننده (Driverless AI)
Driverless AI
H2O4GPU
H2O4GPU
جمعبندی هفته ششم
Week Six Summary
نمایش نظرات