شروع با یادگیری ماشینی متلب [ویدئو]

Getting Started with MATLAB Machine Learning [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: MATLAB زبان منتخب بسیاری از محققان و کارشناسان ریاضی در زمینه یادگیری ماشینی است. این ویدیو به مبتدیان کمک می کند تا با استفاده از متلب، پایه ای در یادگیری ماشینی ایجاد کنند. شما با آماده کردن سیستم خود با محیط MATLAB برای یادگیری ماشین شروع خواهید کرد و خواهید دید که چگونه به راحتی با فضای کاری متلب تعامل کنید. سپس به پاکسازی داده ها، استخراج و تجزیه و تحلیل انواع داده ها در یادگیری ماشینی خواهید پرداخت و خواهید دید که چگونه مقادیر داده ها را در یک نمودار نمایش دهید. در مرحله بعد، با انواع مختلف تکنیک رگرسیون و نحوه اعمال آنها بر روی داده های خود با استفاده از توابع MATLAB آشنا خواهید شد. شما مفاهیم اساسی شبکه های عصبی را درک خواهید کرد و برازش داده ها، تشخیص الگو و تجزیه و تحلیل خوشه بندی را انجام خواهید داد. در نهایت، تکنیک‌های انتخاب ویژگی و استخراج را برای کاهش ابعاد برای بهبود عملکرد بررسی خواهید کرد. در پایان ویدیو، یاد می‌گیرید که همه آن‌ها را از طریق موارد استفاده در دنیای واقعی که الگوریتم‌های اصلی یادگیری ماشین را پوشش می‌دهند، کنار هم قرار دهید و در انجام یادگیری ماشینی با MATLAB راحت خواهید بود. [*] مفاهیم مقدماتی یادگیری ماشین را بیاموزید [*] انواع مختلف تکنیک رگرسیون مانند رگرسیون خطی ساده و چندگانه، تخمین حداقل مربعات معمولی، همبستگی‌ها و نحوه اعمال آن‌ها در داده‌های خود را کاوش کنید. [*] اصول روش های طبقه بندی و نحوه پیاده سازی الگوریتم Naive Bayes و Decision Trees در محیط MATLAB را کشف کنید. [*] انجام برازش داده‌ها، تشخیص الگو و تجزیه و تحلیل خوشه‌بندی با کمک جعبه ابزار شبکه عصبی MATLAB این ویدیو برای تحلیلگران داده، دانشمندان داده، دانش‌آموزان یا هر کسی که مایل است یادگیری ماشینی را شروع کند و پردازش داده کارآمد و برنامه‌های کاربردی پیش‌بینی‌کننده بسازد، است. یک پیشینه ریاضی و آماری واقعاً دنبال کردن این ویدیو را آسان تر می کند. [*]اولین گام‌های خود را برای یادگیری ماشین با کمک این راهنمای آسان بردارید * [*] رگرسیون، خوشه‌بندی، طبقه‌بندی، تجزیه و تحلیل پیش‌بینی‌کننده، شبکه‌های عصبی مصنوعی و موارد دیگر را با MATLAB بیاموزید * [*] داده ها کار می کنند و لایه های پنهان در آن را با قدرت یادگیری ماشین شناسایی می کنند *

سرفصل ها و درس ها

وارد کردن و سازماندهی داده ها در متلب Importing and Organizing Data in MATLAB

  • بررسی اجمالی دوره The Course Overview

  • آشنایی با دسکتاپ متلب Familiarizing Yourself with the MATLAB Desktop

  • وارد کردن داده ها به متلب Importing Data into MATLAB

  • صادرات داده از متلب Exporting Data from MATLAB

  • سازمان داده ها Data Organization

از داده تا کشف دانش From Data to Knowledge Discovery

  • آماده سازی داده ها Data Preparation

  • آمار اکتشافی – اندازه گیری های عددی Exploratory Statistics – Numerical Measures

  • تجسم اکتشافی Exploratory Visualization

یافتن روابط بین متغیرها - رگرسیون Finding Relationships Between Variables – Regression

  • جستجوی روابط خطی Searching Linear Relationships

  • ایجاد مدل رگرسیون خطی Creating a Linear Regression Model

نمایش نظرات

شروع با یادگیری ماشینی متلب [ویدئو]
جزییات دوره
1 h 48 m
10
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Giuseppe Ciaburro Giuseppe Ciaburro

جوزپه سیابورو دارای مدرک دکترا و دو مدرک کارشناسی ارشد است. او در آزمایشگاه کنترل محیط ساخته شده - Università degli Studi della Campania "Luigi Vanvitelli" کار می کند. او بیش از 25 سال سابقه کار در برنامه نویسی، ابتدا در زمینه احتراق و سپس آکوستیک و کنترل صدا دارد. دانش اصلی برنامه نویسی او در MATLAB، Python و R است. جوزپه به عنوان یک متخصص در برنامه های کاربردی هوش مصنوعی برای مشکلات آکوستیک و کنترل نویز، تجربه زیادی در تحقیق و تدریس دارد. او چندین نشریه دارد: تک نگاری ها، مجلات علمی و کنفرانس های موضوعی. او اخیراً در فهرست 2 درصد دانشمندان برتر جهان توسط دانشگاه استنفورد (2022) قرار گرفته است.