لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پروژههای یادگیری ماشین در R با استفاده از Caret
- آخرین آپدیت
دانلود Machine Learning Projects in R with Caret
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در پایان این دوره، فراگیران قادر خواهند بود مجموعهدادهها را آماده کنند، مقادیر گمشده را شناسایی و مدیریت نمایند، استراتژیهای جایگذاری (Imputation) را اعمال کنند، تحلیل همبستگی را انجام دهند، عدم تعادل دادهها را برطرف کرده و خوشهبندی را با استفاده از بسته caret در زبان R پیادهسازی کنند. همچنین شرکتکنندگان تجربه عملی در بازتولید نتایج تحقیقات، اعتبارسنجی کیفیت دادهها و بهینهسازی گردش کارهای یادگیری ماشین را کسب خواهند کرد.
این دوره برای دانشجویان، متخصصان و علاقهمندان به دادهها طراحی شده است که میخواهند مهارتهای کاربردی خود در یادگیری ماشین با R را تقویت کنند. برخلاف دورههای تئوری معمول، این دوره بر یادگیری پروژه-محور تأکید دارد و فراگیران را گام به گام از خواندن مجموعهدادهها تا پیشپردازش پیشرفته و خوشهبندی هدایت میکند.
آنچه این دوره را منحصر به فرد میکند، تمرکز آن بر حل مسائل دنیای واقعی است که مدیریت دادههای گمشده، پیشپردازش و یادگیری بدون نظارت را در یک چارچوب منسجم ادغام میکند. فراگیران نه تنها مهارتهای فنی، بلکه اعتماد به نفس لازم برای ساختاردهی، اجرا و تفسیر مؤثر پروژههای یادگیری ماشین را به دست خواهند آورد.
سرفصل ها و درس ها
شروع پروژه یادگیری ماشین
Getting Started with the Machine Learning Project
مقدمهای بر پروژه یادگیری ماشین
Intro to Machine Learning Project
آغاز عملیاتی پروژه یادگیری ماشین
Starting with the Machine Learning Project
خواندن فایلها از لیست
Reading Files in the List
نقشهبرداری از دادههای گمشده
Mapping the Missing Data
بررسی ویژگیها و اتریبیوتها
Checking the Attributes
آمادهسازی دادهها و خوشهبندی
Data Preparation and Clustering
ایجاد ماتریس همبستگی مثلثی پایین
Creating Lower Triangular Correlation Matrix
محاسبه عدم تعادل دادهها
Calculating Data Imbalance
انتخاب روش جایگذاری دادهها
Choose the Imputation
پیشپردازش دادههای جایگذاری شده
Preprocess the Imputed Data
نمایش نظرات