آموزش مدل‌های پیش‌بینی با یادگیری ماشین - آخرین آپدیت

مبانی یادگیری ماشین Fundamentos del aprendizaje automático

• معرفی دوره Introducción al curso

• آناکوندا و نحوه نصب آن Anaconda y su instalación

• مقدمه ماژول ۱ Introducción al Módulo 1

• یادگیری ماشین (ML) را چگونه تعریف می‌کنیم؟ ¿Cómo podemos definir el AA (Aprendizaje Automático)?

• انواع یادگیری و وظایف آن‌ها Los tipos de aprendizaje y sus tareas

• مورد مطالعاتی مدیریت ریسک‌های محیطی Caso de uso Gestión de riesgos ambientales

• مثالی از یک مجموعه داده (بارگذاری، توصیف، بصری‌سازی و...) Un ejemplo sobre un conjunto de datos (cargar, describir, visualizar, ...)

مسئله رگرسیون Tarea de regresión

• مقدمه ماژول ۲ Introducción al Módulo 2

• چگونه یک مسئله رگرسیون را حل کنیم؟ ¿Cómo resolver un problema de regresión?

• رگرسیون خطی ساده Regresión lineal simple

• نحوه پیاده‌سازی فرآیند؛ رگرسیون خطی با Scikit Learn ¿Y cómo implementar el proceso? La regresión lineal con scikit-learn

پیچیدگی مدل و توانایی تعمیم‌پذیری Complejidad de modelos y capacidad de generalización

• مقدمه ماژول ۳ Introducción al Módulo 3

• رگرسیون چندجمله‌ای در Scikit Learn: حالت تک متغیره La regresión polinomial en scikit-learn: caso una sola variable

• رگرسیون چندجمله‌ای در Scikit Learn: حالت چند متغیره La regresión polinomial en scikit-learn: caso con múltiples variables

• رگرسیون منظم؛ روش Ridge Regresión regularizada. Caso Ridge.

• رگرسیون منظم؛ روش Lasso Regresión regularizada. Caso Lasso.

مسئله طبقه‌بندی Tarea de clasificación

• مقدمه ماژول ۴ Introducción al Módulo 4

• چگونه یک مسئله طبقه‌بندی را حل کنیم؟ ¿Cómo resolver un problema de clasificación?

• طبقه‌بندی با درخت تصمیم Clasificación con árboles de decisión

• درخت تصمیم در Scikit Learn: ساخت و تفسیر Arboles de decisión en scikit learn. Construcción e interpretación.

• نحوه پیاده‌سازی فرآیند؛ درخت تصمیم: تنظیم هایپرپارامترها و ارزیابی ¿Y cómo implementar el proceso? Árboles de decisión: ajuste de hiperparámetros y evaluación.

• جمع‌بندی و پایان دوره Cierre del curso