در این دوره آموزشی، فراپارامترها چیست، الگوریتم ژنتیک چیست و بهینه سازی هایپرپارامتر چیست. در این دوره، شما از الگوریتم ژنتیک برای بهینه سازی عملکرد ماشین های بردار پشتیبان (SVM) و شبکه های عصبی پرسپترون چندلایه (MLP NN) استفاده می کنید. از آن به عنوان تنظیم هایپرپارامتر یا تنظیم پارامتر یاد می شود. همچنین نحوه انتخاب ویژگی با استفاده از الگوریتم ژنتیک را خواهید آموخت.
بهینه سازی Hyperparameter بر روی دو مجموعه داده انجام می شود:
یک مجموعه داده رگرسیون برای پیشبینی بارهای سرمایش و گرمایش ساختمانها
یک مجموعه داده طبقه بندی در رابطه با طبقه بندی ایمیل ها به هرزنامه و غیر هرزنامه
SVM و MLP بدون بهینهسازی روی مجموعه دادهها اعمال میشوند و نتایج آنها را با پس از بهینهسازی مقایسه میکنند
انتخاب ویژگی در یک مجموعه داده انجام می شود:
طبقه بندی تومورهای خوش خیم از تومورهای بدخیم در مجموعه داده سرطان پستان
در پایان این دوره، شما یاد خواهید گرفت که چگونه الگوریتم ژنتیک را در پایتون کدنویسی کنید و چگونه الگوریتم های یادگیری ماشین خود را برای حداکثر کارایی بهینه کنید. شما همچنین یاد گرفته اید که چگونه الگوریتم ژنتیک را برای انتخاب ویژگی اعمال کنید.
به طور خلاصه:
یاد خواهید گرفت که هایپرپارامترها چیست (گاهی اوقات به عنوان پارامتر شناخته می شود، هرچند متفاوت است)
الگوریتم ژنتیک
را یاد خواهید گرفتشما از الگوریتم ژنتیک برای بهینه سازی عملکرد الگوریتم های یادگیری ماشین خود استفاده خواهید کرد
دقت و توانایی های پیش بینی مدل خود را به حداکثر برسانید
بهینه سازی عملکرد SVM و شبکه های عصبی MLP
انتخاب ویژگی را برای استخراج ویژگی های مرتبط با خروجی پیش بینی شده اعمال کنید
بهترین استفاده را از مدل یادگیری ماشینی خود ببرید
ویژگی های اضافی را حذف کنید، که در عوض زمان و پیچیدگی مدل شما را کاهش می دهد
بدانید چه ویژگی هایی با خروجی ارتباط دارند و چه ویژگی هایی
ندارندشما نیازی به دانش و تجربه زیادی در بهینه سازی یا برنامه نویسی پایتون ندارید - این کمک می کند، اما برای موفقیت در این دوره الزامی نیست.
این دوره به شما می آموزد که چگونه عملکرد الگوریتم های یادگیری ماشین خود را بهینه کنید
جایی که هر خط کد به طور کامل توضیح داده شده است
کد به روشی ساده نوشته شده است که میتوانید درک کنید که چگونه کارها و نحوه کدنویسی الگوریتم ژنتیک حتی با دانش صفر در پایتون
اساساً، میتوانید این را نه تنها به عنوان دورهای در نظر بگیرید که به شما نحوه بهینهسازی مدل یادگیری ماشین را میآموزد، بلکه برنامهنویسی پایتون را نیز به شما میآموزد!
لطفاً هر سؤالی از من بپرسید! دوره را دوست ندارید؟ درخواست بازپرداخت 30 روزه!!
عهد واقعی --
1) "این دومین دوره من با دانا است. این دوره ترکیبی از فراابتکاری و یادگیری ماشینی است. تصویر گسترده ای از بهینه سازی فراپارامتر یادگیری ماشین ارائه می دهد. اگر اصول یادگیری ماشین را می دانید و می دانید این دوره را توصیه می کنم. می خواهید برخی از مسائل را با استفاده از ML حل کنید.با استفاده از تکنیک های بهینه سازی GA عملکرد بهتری از ML خواهید داشت.کدهای ارائه شده در این دوره بسیار ساده و قابل درک هستند.این دوره به دلیل مطالب و مثال های سخنرانی مستحق پنج ستاره است. مربی آگاه به موضوع و با استعداد در برنامه نویسی." -- عبدالعزیز، رتبه 5 ستاره
2) "یک دوره عالی! برای هر کسی که علاقه مند به تنظیم دقیق مدل های یادگیری ماشینی خود است، بسیار عالی است. من از پیاده سازی از ابتدا و چگونگی توضیح آنها بسیار لذت بردم. این پیاده سازی ها از ابتدا به درک بسیار خوب تئوری کمک می کنند. نکته جالبی که باید به آن اشاره کرد این است که این دوره از Metaheustistics برای بهینهسازی یادگیری ماشینی استفاده میکند. با این حال، میتوانید از طبقهبندیکنندههای یادگیری ماشینی برای کمک به Metaheuristic خود برای پیشبینی مناطق خوب یا بد استفاده کنید. -- دیلن، امتیاز 5 ستاره
3) "بسیار مفید، برای استفاده از الگوریتم بهینه سازی برای بهینه سازی پارامترهای الگوریتم ML و باید این کار را با استفاده از پایتون انجام داد، فوق العاده است." -- Erigits، رتبه 5 ستاره
4) "دوره به خوبی توضیح داده شده است. موضوع آسان نیست، اما تا به امروز توضیحات واضح بوده است. این دوره دارای یک پروژه صفحه گسترده جالب است." -- مارتین، رتبه 5 ستاره
5) "از شما برای این دوره عالی بسیار متشکرم. چیزهای جدید زیادی از این دوره یاد می گیرید." -- دکتر محمود، رتبه 5 ستاره
مهندس معمار و صنایع
نمایش نظرات