آموزش یادگیری ماشینی با XGBoost با استفاده از یادگیری scikit در پایتون

Machine Learning with XGBoost Using scikit-learn in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: XGBoost برنده ترین روش یادگیری ماشین نظارت شده در مدل سازی رقابتی در مجموعه داده های ساختاری است. این دوره اصول XGBoost ، از جمله نحو اساسی ، توابع و اجرای مدل در دنیای واقعی را به شما آموزش می دهد. در هسته یادگیری ماشین کاربردی ، یادگیری ماشین تحت نظارت است. در این دوره ، یادگیری ماشینی با XGBoost با استفاده از یادگیری scikit در پایتون ، شما می آموزید که چگونه با استفاده از یکی از دقیق ترین الگوریتم های موجود ، مدل های یادگیری تحت نظارت را بسازید. ابتدا متوجه خواهید شد که XGBoost چیست و چرا انقلابی در مدل سازی رقابتی ایجاد کرده است. در مرحله بعدی ، شما اهمیت درگیری داده ها را کشف خواهید کرد و خواهید دید که داده های پاک چگونه بر عملکرد XGBoost تأثیر می گذارد. سرانجام ، شما می آموزید که چگونه برای عملکرد واقعی ، مدل های XGBoost را بسازید ، آموزش دهید و به آنها امتیاز دهید. پس از اتمام این دوره ، دانش بنیادی XGBoost خواهید داشت که به شما کمک می کند تا به سمت مهندس یادگیری ماشین پیش بروید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

معرفی فرایندهای اساسی Introducing Essential Processes

  • بررسی اجمالی ماژول Module Overview

  • چرا باید این دوره را بگذرانید؟ Why Take This Course?

  • بررسی اجمالی دوره Course Overview

  • مهارت های توصیه شده برای این دوره Skills Recommended for This Course

  • درخت تصمیم The Decision Tree

  • Ensemble Boosting Ensemble Boosting

  • تقویت گرادیان Gradient Boosting

  • تظاهرات XGBoost XGBoost Demonstration

  • خلاصه Summary

آماده سازی داده ها برای افزایش شیب Preparing Data for Gradient Boosting

  • بررسی اجمالی ماژول Module Overview

  • سلسله مراتب هوش مصنوعی The AI Hierarchy

  • دو نوع یادگیری The Two Types of Learning

  • آرایه The Array

  • فرایند یادگیری ماشین Machine Learning Process

  • درگیری مجموعه داده Wrangling the dataset

  • خلاصه Summary

امتیاز دادن به مدلهای XGBoost Scoring XGBoost Models

  • بررسی اجمالی ماژول Module Overview

  • تقسیم قطار/تست Train / Test Split

  • طبقه بندی و رگرسیون Classification and Regression

  • اعتبار سنجی K-Fold K-Fold Cross Validation

  • توقف زودهنگام Early Stopping

  • اعتبار سنجی و نمره گذاری Validation and Scoring Demonstration

  • خلاصه Summary

ذخیره مدل آموزش دیده Saving the Trained Model

  • بررسی اجمالی ماژول Module Overview

  • سریال سازی Serialization

  • ترشی Pickle

  • در حال ذخیره در JSON Saving to JSON

  • مشکلات ترشی Pickle Problems

  • ذخیره مدلها برای نمایش دیسک Saving Models to Disk Demonstration

  • خلاصه Summary

انتخاب ویژگی ها در افزایش شیب Selecting Features in Gradient Boosting

  • بررسی اجمالی ماژول Module Overview

  • انتخاب ویژگی تعریف شده است Feature Selection Defined

  • الگوریتم های انتخاب ویژگی Feature Selection Algorithms

  • اهمیت ویژگی Feature Importance

  • ساخت ویژگی Feature Construction

  • نمایش انتخاب ویژگی Feature Selection Demonstration

  • خلاصه Summary

  • خلاصه دوره Course Summary

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری ماشینی با XGBoost با استفاده از یادگیری scikit در پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
1h 33m
39
Pluralsight (پلورال سایت) pluralsight-small
10 دی 1397 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
24
3.8 از 5
دارد
دارد
دارد
Mike West

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Mike West Mike West

سازنده LogikBot

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.