آموزش مدل‌های پیش‌بین با یادگیری ماشین (Machine Learning) - آخرین آپدیت

مقدمه‌ای بر مدل‌سازی داده‌ها 1. Introducción a modelación de datos

• مقدمه‌ای بر هفته اول Introducción a la semana 1

• نصب پایتون Instalación de Python

• کار با محیط Jupyter Explorando Jupyter

• آشنایی با مدل‌سازی داده‌ها Introducción al modelado de datos

• شناسایی انواع مدل‌ها Identificando los tipos de modelos

• یادگیری ماشین (Machine Learning) Machine Learning

• انواع یادگیری Tipos de aprendizaje

• کتابخانه Scikit learn Scikit-learn

• ساخت اولین مدل Creando nuestro primer modelo

• معیارهای ارزیابی خطا Métricas de error

• آموزش و تست مدل Entrenamiento y Prueba

• اعتبارسنجی متقاطع (Cross Validation) Cross Validation

• جمع‌بندی هفته اول Cierre de la semana 1

رگرسیون و طبقه‌بندی 2. Regresión y Clasificación

• مقدمه‌ای بر هفته دوم Introducción a la semana 2

• رگرسیون و تئوری‌های آن La regresión y su teoría

• تمرین عملی مدل رگرسیون Práctica del modelo de regresión

• رگرسیون چندگانه Regresión múltiple

• مفاهیم پایه رگرسیون چندجمله‌ای Conceptos básicos de la Regresión Polinomial

• تمرین عملی رگرسیون چندجمله‌ای Practicando la Regresión Polinomial

• تئوری بنیادی SVR La teoría fundamental del SVR

• تمرین عملی SVR Práctica de SVR

• درخت رگرسیون و مفاهیم آن El Árbol de Regresión y sus conceptos

• تمرین عملی درخت رگرسیون Practicando el Árbol de Regresión

• مبانی رگرسیون لجستیک Fundamentos de la regresión logística

• طبقه‌بندی (Classification) Clasificación

• آشنایی با ماتریس درهم‌ریختگی Introducción a la matriz de confusión

• تحلیل ماتریس درهم‌ریختگی Matriz de Confusión

• جمع‌بندی هفته دوم Cierre de la semana 2

بهبود مدل‌های شما 3. Mejorando tus modelos

• مقدمه‌ای بر هفته سوم Introducción a la semana 3

• منحنی‌های ROC Curvas ROC

• منحنی‌های CAP Curvas CAP

• متغیرهای Dummy Variables Dummy

• انتخاب ویژگی‌های مرتبط Selección de características relevantes

• ماتریس همبستگی Matriz de correlación

• تئوری روش‌های رگرسیون و مدل‌های ترکیبی (Ensemble) Teoría sobre métodos de regresión y ensamble

• تمرین عملی روش‌های رگرسیون و Ensemble Práctica sobre Métodos de Regresión y Ensamble

• جمع‌بندی هفته سوم Cierre de la semana 3

خوشه‌بندی و سری‌های زمانی 4. Agrupamiento y series de tiempo

• مقدمه‌ای بر هفته چهارم Introducción a la semana 4

• آماده‌سازی داده‌ها برای خوشه‌بندی Preparando los datos para Clustering

• خوشه‌بندی (Clustering) چیست؟ ¿Qué es Clustering?

• الگوریتم K-means K-means

• استفاده از K-means Usando K-Means

• سری زمانی چیست؟ ¿Qué es una serie de tiempo?

• سری‌های زمانی در بازار بورس Series de tiempo en la bolsa de valores

• انجام پیش‌بینی‌ها Haciendo predicciones

• جمع‌بندی هفته چهارم Cierre de la semana 4