آموزش مقدمه‌ای بر یادگیری ماشین در تحلیل‌های ورزشی - آخرین آپدیت

دانلود Introduction to Machine Learning in Sports Analytics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، دانشجویان تکنیک‌های یادگیری ماشین نظارت‌شده را با استفاده از ابزار scikit learn (sklearn) پایتون و داده‌های واقعی ورزشی بررسی می‌کنند تا هم با الگوریتم‌های یادگیری ماشین و هم با نحوه پیش‌بینی نتایج ورزشی آشنا شوند. با تکیه بر دوره‌های قبلی این تخصص، دانشجویان متدهایی مانند ماشین‌های بردار پشتیبان (SVM)، درخت‌های تصمیم، جنگل تصادفی، رگرسیون خطی و لجستیک و مجموعه‌های یادگیرنده را برای تحلیل داده‌های لیگ‌های حرفه‌ای ورزشی مانند NHL و MLB و همچنین دستگاه‌های پوشیدنی مانند اپل واچ و واحدهای اندازه‌گیری اینرسی (IMUs) به کار می‌برند. در پایان این دوره، دانشجویان درک گسترده‌ای از نحوه استفاده از تکنیک‌های طبقه‌بندی و رگرسیون برای فعال‌سازی تحلیل‌های ورزشی در فعالیت‌ها و رویدادهای مختلف ورزشی خواهند داشت.

سرفصل ها و درس ها

مفاهیم یادگیری ماشین Machine Learning Concepts

  • مقدمه Introduction

  • یادگیری ماشین چیست؟ What is Machine Learning?

  • گردش کار یادگیری ماشین The Machine Learning Workflow

  • اولین مدل ما: نتایج بازی‌های NHL Our First Model: NHL Game Outcomes

  • ساخت مدل رگرسیون لجستیک Building the Logistic Regression Model

  • ملاحظات در استقرار مدل Considerations in Deploying The Model

  • جمع‌بندی Wrap Up

ماشین‌های بردار پشتیبان Support Vector Machines

  • مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVMs) Introduction to Support Vector Machines (SVMs)

  • ماشین‌های بردار پشتیبان چندجمله‌ای Polynomial Support Vector Machines

  • اعتبارسنجی متقاطع Cross Validation

  • یک مدل SVM واقعی: طبقه‌بندی ضربات بوکس A Real World SVM Model: Boxing Punch Classification

درخت‌های تصمیم Decision Trees

  • درخت‌های تصمیم Decision Trees

  • رویکرد درخت چندکلاسه A Multiclass Tree Approach

  • درخت‌های مدل Model Trees

  • تنظیم و بررسی درخت‌های مدل Tuning and Inspecting Model Trees

مجموعه‌ها و فراتر از آن Ensembles & Beyond

  • مجموعه‌ها (Ensembles) Ensembles

  • مفاهیم تکمیلی یادگیری ماشین Additional Machine Learning Concepts

  • پیش‌بینی تالار مشاهیر بیسبال Baseball Hall of Fame Prediction

  • دموی تالار مشاهیر بیسبال بخش اول Baseball Hall of Fame Demonstration Part 1

  • دموی تالار مشاهیر بیسبال بخش دوم Baseball Hall of Fame Demonstration Part 2

نمایش نظرات

آموزش مقدمه‌ای بر یادگیری ماشین در تحلیل‌های ورزشی
جزییات دوره
12h 55m
20
(آخرین آپدیت)
5,475
5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Christopher Brooks Christopher Brooks

کریستوفر بروکس بیش از 100 فیلم موسیقی تولید ، ویرایش و نظارت داشته است. کریستوفر از زمانی که فیلم روی فیلم بود ، موسیقی ، فیلم را ویرایش و نظارت می کرد و موسیقی روی نوار بود. او پیشگام انتقال به فن آوری دیجیتال در حالی بود که در شرکت سرمقاله مشهور موسیقی Segue Music بود. وی با برخی از برجسته ترین کارگردانان ، تهیه کنندگان ، نوازندگان و آهنگسازان در تجارت همکاری داشته است. از میان صد اعتبار او در سراسر جهان ، 16 بلاک ، کنستانتین ، اپوس آقای هلند ، گودفلاس ، دزدان دریایی کارائیب: نفرین مروارید سیاه و غول آهن. او نویسنده موسیقی ویژوال ، کتاب درسی در مورد فنون ، سازماندهی و زیبایی شناسی ایجاد موسیقی برای فیلم است.