لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ساخت و ارزیابی درخت تصمیم در یادگیری ماشین (ML)
- آخرین آپدیت
دانلود Build & Evaluate Decision Trees for ML
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آیا آمادهاید تا بر یکی از قدرتمندترین و قابلفهمترین الگوریتمهای یادگیری ماشین مسلط شوید؟ این دوره شما را در مسیر کامل درک، ساخت و ارزیابی مدلهای درخت تصمیم (Decision Tree) با استفاده از زبان جاوا، استاندارد برنامهنویسی سازمانهای بزرگ، هدایت میکند. شما با بررسی مفاهیم کلیدی شروع خواهید کرد؛ از اینکه درختهای تصمیم چگونه دادهها را بخشبندی میکنند و چرا معیارهای تقسیم مانند آنتروپی (Entropy) و شاخص جینی (Gini Index) اهمیت دارند و در چه مواردی درختهای تصمیم عملکرد بهتری نسبت به سایر الگوریتمها دارند.
سپس به سراغ پیادهسازی عملی خواهید رفت و با استفاده از ابزارهای استاندارد صنعتی مانند رابط کاربری بصری Weka و Java API در کنار کتابخانه با کارایی بالای Smile، مدلها را توسعه، تنظیم و مستقر میکنید. از طریق تمرینات عملی، یاد میگیرید که هایپرپارامترها را پیکربندی کنید، بین نمونهسازی سریع و طراحی آماده تولید تعادل ایجاد کنید و تکنیکهای ارزیابی مدل مانند ماتریس اغتشاش (Confusion Matrix)، اعتبارسنجی متقاطع (Cross-Validation) و معیارهای کلیدی عملکرد را به کار بگیرید.
این دوره برای دانشمندان داده (آماتور و با تجربه)، توسعهدهندگان جاوا و مهندسان یادگیری ماشین که به دنبال ساخت، ارزیابی و تفسیر مدلهای درخت تصمیم برای کاربردهای واقعی در حوزههای مالی، بهداشت و درمان و تحلیلهای تجاری هستند، طراحی شده است.
پیشنیازها: تجربه برنامهنویسی مقدماتی جاوا، درک مفاهیم شیگرا (OOP) و دانش بنیادی اصول علم داده.
در پایان این دوره، شما قادر خواهید بود بیشبرازش (Overfitting) را شناسایی و کاهش دهید، عملکرد مدل را بهینه کنید و بینشهای بهدستآمده را بهطور مؤثر به ذینفعان فنی و تجاری منتقل نمایید.
سرفصل ها و درس ها
مبانی درخت تصمیم
Decision Tree Fundamentals
خوشآمدگویی به دوره ساخت و ارزیابی درخت تصمیم در ML
Welcome to Build and Evaluate Decision Trees with ML
مقدمهای بر درختهای تصمیم و ساختار آنها
Introduction to Decision Trees and Their Structure
معیارهای تقسیم برای آنتروپی و بهره اطلاعاتی
Splitting Criteria for Entropy and Information Gain
شاخص جینی و مقایسه روشهای تقسیم
Gini Index and Comparing Splitting Methods
ساخت درخت تصمیم در جاوا
Building Decision Trees in Java
راهاندازی محیط یادگیری ماشین در جاوا
Setting Up Your Java ML Environment
ساخت درختهای تصمیم با Weka GUI و Java API
Building Decision Trees with Weka GUI and Java API
پیادهسازی درختهای تصمیم با کتابخانه Smile
Implementing Decision Trees with Smile Library
ارزیابی عملکرد درخت تصمیم
Evaluating Decision Tree Performance
درک ماتریسهای اغتشاش و معیارهای طبقهبندی
Understanding Confusion Matrices and Classification Metrics
تکنیکهای اعتبارسنجی متقاطع برای ارزیابی مدل
Cross-Validation Techniques for Model Assessment
شناسایی بیشبرازش و بهینهسازی مدل
Identifying Overfitting and Model Optimization
نمایش نظرات