آموزش الگوریتم های یادگیری ماشین در 7 روز [ویدئو]

سرفصل ها و درس ها

مدل های خطی Linear Models

• بررسی اجمالی دوره The Course Overview

• مقدمه ای بر رگرسیون خطی Introduction to Linear Regression

• مفاهیم مختلف پیرامون رگرسیون خطی Various concepts around Linear Regression

• استفاده از رگرسیون خطی برای پیش بینی Using Linear Regression for prediction

• مزایا و محدودیت های رگرسیون خطی Advantages and Limitations of Linear Regression

• مطالعه موردی – رگرسیون خطی Case Study – Linear Regression

• مقدمه ای بر رگرسیون لجستیک Introduction to Logistic Regression

• مفاهیم مختلف پیرامون رگرسیون لجستیک Various Concepts around Logistic Regression

• چگونه می توان از رگرسیون لجستیک برای طبقه بندی چند طبقه استفاده کرد How Logistic Regression Can Be Used for Multi-Class Classification

• مزایا و محدودیت های رگرسیون لجستیک Advantages and Limitations of Logistic Regression

• مطالعه موردی – رگرسیون لجستیک Case Study – Logistic Regression

• تکلیف خانه – مدل های خطی Homework Assignment – Linear Models

الگوریتم درخت تصمیم Decision Tree Algorithm

• مقدمه ای بر درخت تصمیم Introduction to Decision Tree

• مفاهیم - الگوریتم های درخت تصمیم مختلف Concepts - Various Decision Tree Algorithms

• اجزای مختلف درخت تصمیم Various Components of Decision Tree

• مزایا و معایب الگوریتم درخت تصمیم Advantages and Disadvantages of Decision Tree Algorithm

• مطالعه موردی - داده‌های فرسایش منابع انسانی IBM Case Study – IBM’s HR Attrition Data

• تکلیف خانه – الگوریتم درخت تصمیم Homework Assignment – Decision Tree Algorithm

الگوریتم جنگل تصادفی Random Forest Algorithm

• مقدمه ای بر الگوریتم جنگل تصادفی Introduction to Random Forest Algorithm

• مفاهیم الگوریتم جنگل تصادفی Concepts of Random Forest Algorithm

• اجزای مختلف الگوریتم جنگل تصادفی Various components of Random Forest Algorithm

• مزایا و معایب الگوریتم جنگل تصادفی Advantages and Disadvantages of Random Forest Algorithm

• مطالعه موردی - داده های فرسایش منابع انسانی IBM Case Study - IBM's HR Attrition Data

• تکلیف – الگوریتم جنگل تصادفی Homework Assignment – Random Forest Algorithm

الگوریتم خوشه بندی K-Means K-Means Clustering Algorithm

• مقدمه ای بر K-Means Clustering Introduction to K-Means Clustering

• مفاهیم الگوریتم خوشه بندی K-Means Concepts of K-Means Clustering Algorithm

• روش های مختلف خوشه بندی Different Clustering Methods

• مزایا و معایب الگوریتم خوشه بندی K-Means Advantages and Disadvantages of K-Means Clustering Algorithm

• مطالعه موردی - مجموعه داده های Iris Case Study – Iris Dataset

• تکلیف خانه - الگوریتم خوشه بندی K-Means Homework Assignment - K-Means Clustering Algorithm

الگوریتم K-نزدیکترین همسایگان K-Nearest Neighbors Algorithm

• مقدمه ای بر الگوریتم KNN Introduction to KNN Algorithm

• مفاهیم الگوریتم KNN Concepts of KNN Algorithm

• مزایا و محدودیت های الگوریتم KNN Advantages and Limitations of KNN Algorithm

• مطالعه موردی - مجموعه داده های سرشماری درآمد Case Study – Income Census Dataset

• تکلیف خانه – الگوریتم KNN Homework Assignment – KNN Algorithm

الگوریتم ساده بیز Naïve Bayes Algorithm

• مقدمه ای بر الگوریتم ساده بیز Introduction to Naïve Bayes Algorithm

• مفاهیم الگوریتم ساده بیز Concepts of Naïve Bayes Algorithm

• مزایا و محدودیت های الگوریتم ساده بیز Advantages and Limitations of Naïve Bayes Algorithm

• مطالعه موردی – مجموعه داده های بازاریابی بانکی Case Study – Bank Marketing Dataset

• تکلیف خانه - الگوریتم ساده بیز Homework Assignment - Naïve Bayes Algorithm

تجزیه و تحلیل سری زمانی Time Series Analysis

• مقدمه ای بر تحلیل سری های زمانی Introduction to Time Series Analysis

• مفاهیم مختلف در مورد مدل سری زمانی Various Concepts around Time Series Model

• نمای کلی مدل ARIMA/SARIMA Full overview of ARIMA/ SARIMA Model

• اندازه گیری دقت پیش بینی - تجزیه و تحلیل سری های زمانی Forecast Accuracy Measure – Time Series Analysis

• مطالعه موردی - مجموعه داده های تورم شاخص قیمت مصرف کننده Case Study – CPI Inflation Dataset

• تکلیف - تحلیل سری زمانی Homework Assignment - Time Series Analysis