آموزش طراحی مدل یادگیری ماشین

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

کاوش رویکردهای یادگیری ماشین Exploring Approaches to Machine Learning

• بررسی اجمالی ماژول Module Overview

• پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

• یک مطالعه موردی: تحلیل احساسات A Case Study: Sentiment Analysis

• تحلیل احساس به عنوان یک مسئله طبقه بندی باینری Sentiment Analysis as a Binary Classification Problem

• قانون بر اساس تجزیه و تحلیل مبتنی بر ML Rule Based vs. ML Based Analysis

• سیستم های یادگیری ماشین سنتی Traditional Machine Learning Systems

• نمایندگی سیستم های یادگیری ماشین Representation Machine Learning Systems

• شبکه های عصبی یادگیری عمیق Deep Learning and Neural Networks

• ML سنتی در مقابل یادگیری عمیق Traditional ML vs. Deep Learning

• الگوریتم های ML سنتی و طراحی شبکه عصبی Traditional ML Algorithms and Neural Network Design

• خلاصه ماژول Module Summary

انتخاب درست مسئله یادگیری ماشین Choosing the Right Machine Learning Problem

• بررسی اجمالی ماژول Module Overview

• انتخاب درست مسئله یادگیری ماشین Choosing the Right Machine Learning Problem

• یادگیری نظارت شده و بدون نظارت Supervised and Unsupervised Learning

• آموزش تقویت Reinforcement Learning

• سیستم های توصیه Recommendation Systems

• خلاصه ماژول Module Summary

انتخاب راه حل مناسب یادگیری ماشین Choosing the Right Machine Learning Solution

• بررسی اجمالی ماژول Module Overview

• مدل های رگرسیون Regression Models

• انتخاب الگوریتم های رگرسیون Choosing Regression Algorithms

• ارزیابی مدل های رگرسیون Evaluating Regression Models

• انواع طبقه بندی Types of Classification

• انتخاب الگوریتم های طبقه بندی Choosing Classification Algorithms

• ارزیابی طبقه بندی ها Evaluating Classifiers

• مدلهای خوشه ای Clustering Models

• نفرین بعد The Curse of Dimensionality

• تکنیک های کاهش ابعاد Dimensionality Reduction Techniques

• خلاصه ماژول Module Summary

ساختن راه حل های ساده یادگیری ماشین Building Simple Machine Learning Solutions

• بررسی اجمالی ماژول Module Overview

• نصب و راه اندازی Install and Set Up

• کاوش مجموعه داده های رگرسیون Exploring the Regression Dataset

• رگرسیون ساده با استفاده از تکنیک های یادگیری و تحلیلی Simple Regression Using Analytical and Machine Learning Techniques

• رگرسیون چندگانه با استفاده از روشهای تحلیلی و یادگیری ماشین Multiple Regression Using Analytical and Machine Learning Techniques

• بررسی مجموعه طبقه بندی Exploring the Classification Dataset

• طبقه بندی با استفاده از رگرسیون لجستیک Classification Using Logistic Regression

• طبقه بندی با استفاده از درختان تصمیم Classification Using Decision Trees

• خوشه بندی با استفاده از K-means Clustering Using K-means

• کاهش ابعاد با استفاده از تجزیه و تحلیل م Compلفه اصلی Dimensionality Reduction Using Principal Component Analysis

• کاهش ابعاد با استفاده از یادگیری چند برابر Dimensionality Reduction Using Manifold Learning

• خلاصه ماژول Module Summary

طراحی گردش کار یادگیری ماشین Designing Machine Learning Workflows

• بررسی اجمالی ماژول Module Overview

• گردش کار یادگیری ماشین The Machine Learning Workflow

• مطالعه موردی: PyTorch روی ابر Case Study: PyTorch on the Cloud

• آموزش گروه Ensemble Learning

• به طور متوسط و تقویت ، رأی دادن و جمع آوری Averaging and Boosting, Voting and Stacking

• شبکه های عصبی سفارشی: ویژگی ها و کاربردهای آنها Custom Neural Networks: Their Characteristics and Applications

• خلاصه ماژول Module Summary

راه حل های ساخت گروه و راه حل های شبکه عصبی Building Ensemble Solutions and Neural Network Solutions

• بررسی اجمالی ماژول Module Overview

• طبقه بندی با استفاده از رأی گیری سخت و رأی گیری نرم Classification Using Hard Voting and Soft Voting

• کاوش و پیش پردازش مجموعه داده های رگرسیون Exploring and Preprocessing the Regression Dataset

• رگرسیون با استفاده از کیسه گذاری و چسباندن Regression Using Bagging and Pasting

• رگرسیون با استفاده از تقویت گرادیان Regression Using Gradient Boosting

• رگرسیون با استفاده از شبکه های عصبی Regression Using Neural Networks

• خلاصه و مطالعه بیشتر Summary and Further Study