آموزش یادگیری تحت نظارت

مقدمه Introduction

• نظارت بر یادگیری ماشین و رونق فناوری Supervised machine learning and the technology boom

• با استفاده از پرونده های تمرینی Using the exercise files

• آنچه شما باید بدانید What you should know

1. یادگیری تحت نظارت با پایتون 1. Supervised Learning with Python

• یادگیری تحت نظارت چیست؟ What is supervised learning?

• پایتون نظارت بر بسته های یادگیری Python supervised learning packages

• پیش بینی با یادگیری نظارت شده Predicting with supervised learning

2. مدل رگرسیون 2. Regression Modeling

• تعریف رگرسیون لجستیک و خطی Defining logistic and linear regression

• مراحل آماده سازی داده ها برای مدل سازی Steps to prepare data for modeling

• در حال بررسی مجموعه داده های خود برای فرضیات Checking your dataset for assumptions

• ایجاد مدل رگرسیون خطی Creating a linear regression model

• ایجاد مدل رگرسیون لجستیک Creating a logistic regression model

• ارزیابی پیش بینی های مدل رگرسیون Evaluating regression model predictions

3. درختان تصمیم 3. Decision Trees

• درختان تصمیم رایج را شناسایی کنید Identify common decision trees

• تقسیم داده ها و کاهش عمق درخت تصمیم Splitting data and limiting decision tree depth

• نحوه ساختن درخت تصمیم How to build a decision tree

• اولین درختان تصمیم خود را ایجاد کنید Creating your first decision trees

• تحلیل عملکرد درخت تصمیم Analyzing decision tree performance

• بررسی چگونگی ایجاد روشهای گروه برای یادگیری قوی Exploring how ensemble methods create strong learners

4. نزدیکترین همسایگان K 4. K-Nearest Neighbors

• کشف نزدیکترین همسایگان خود Discovering your k-nearest neighbors

• معامله بزرگ در مورد k چیست What's the big deal about k

• نحوه جمع آوری مدل KNN How to assemble a KNN model

• ساخت KNN خود Building your own KNN

• رمزگشایی معیارهای مدل KNN Deciphering KNN model metrics

• در جستجوی بهترین مدل Searching for the best model

5. شبکه های عصبی 5. Neural Networks

• شبکه های عصبی بیولوژیکی در مقابل مصنوعی Biological vs. artificial neural networks

• پیش پردازش داده ها برای مدل سازی Preprocessing data for modeling

• چگونه شبکه های عصبی الگوها را در داده ها پیدا می کنند How neural networks find patterns in data

• شبکه های عصبی خود را جمع کنید Assembling your neural networks

• مقایسه شبکه ها و انتخاب مدل های نهایی Comparing networks and selecting final models

نتیجه Conclusion

• بررسی اجمالی اخلاقی Ethical overview

• چگونه می توانم مهارت های خود را در یادگیری تحت نظارت ادامه دهم؟ How can I keep developing my skills in supervised learning?