آموزش SVM برای مبتدیان: پشتیبانی از ماشین های برداری در R Studio

SVM for Beginners: Support Vector Machines in R Studio

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ماشین‌های وکتور پشتیبانی را در R Studio بیاموزید. مدل های پایه SVM تا مدل های پیشرفته SVM مبتنی بر هسته یادگیری ماشین

آنچه یاد خواهید گرفت

  • درک کاملی از ماشین‌های بردار پشتیبان (SVM) بدست آورید
  • سناریوهای تجاری را که در آن ماشین‌های بردار پشتیبان (SVM) اعمال می‌شود، درک کنید
  • فراپارامترهای یک مدل یادگیری ماشین را تنظیم کنید و عملکرد آن را ارزیابی کنید.
  • از ماشین‌های بردار پشتیبانی (SVM) برای پیش‌بینی استفاده کنید
  • پیاده سازی مدل های SVM در زبان برنامه نویسی R - R Studio

شما به دنبال یک دوره کامل Support Vector Machines هستید که همه چیزهایی را که برای ایجاد یک مدل SVM در R نیاز دارید به شما آموزش دهد، درست است؟

دوره آموزشی تکنیک های ماشین های بردار پشتیبان مناسب را پیدا کرده اید!

این دوره چگونه به شما کمک خواهد کرد؟

گواهی تکمیل قابل تأیید به همه دانش‌آموزانی که این دوره پیشرفته یادگیری ماشینی را انجام می‌دهند ارائه می‌شود.

اگر شما یک مدیر کسب و کار یا یک مدیر اجرایی هستید، یا دانشجویی هستید که می خواهید یادگیری ماشینی را در مسائل دنیای واقعی کسب و کار بیاموزید و به کار ببرید، این دوره با آموزش برخی از تکنیک های پیشرفته به شما پایه محکمی برای آن می دهد. یادگیری ماشین، که ماشین‌های بردار پشتیبانی هستند.

چرا باید این دوره را انتخاب کنید؟

این دوره تمام مراحلی را که باید در حین حل یک مشکل تجاری از طریق SVM انجام داد را پوشش دهد.

اکثر دوره‌ها فقط بر آموزش نحوه اجرای تجزیه و تحلیل تمرکز می‌کنند، اما ما معتقدیم که آنچه قبل و بعد از اجرای تجزیه و تحلیل اتفاق می‌افتد از اهمیت بیشتری برخوردار است، یعنی قبل از اجرای تجزیه و تحلیل، بسیار مهم است که داده‌های مناسب داشته باشید و مقداری پیش پردازش روی آن انجام دهید. آی تی. و پس از اجرای تجزیه و تحلیل، باید بتوانید قضاوت کنید که مدل خود چقدر خوب است و نتایج را تفسیر کنید تا واقعا بتوانید به کسب و کار خود کمک کنید.

چه چیزی ما را واجد شرایط آموزش به شما می کند؟

این دوره توسط آبیشک و پخراج تدریس می شود. ما به عنوان مدیران در شرکت مشاوره آنالیتیکس جهانی، به کسب‌وکارها کمک کرده‌ایم تا مشکل کسب‌وکار خود را با استفاده از تکنیک‌های یادگیری ماشین حل کنند و از تجربیات خود برای گنجاندن جنبه‌های عملی تجزیه و تحلیل داده‌ها در این دوره استفاده کرده‌ایم

ما همچنین خالق برخی از محبوب ترین دوره های آنلاین هستیم - با بیش از 150000 ثبت نام و هزاران بررسی 5 ستاره مانند این:

این خیلی خوب است، من عاشق این واقعیت هستم که تمام توضیحات ارائه شده توسط یک فرد غیر روحانی قابل درک است - جاشوا

با تشکر از نویسنده برای این دوره فوق العاده. شما بهترین هستید و این دوره به هر قیمتی می ارزد. - دیزی

قول ما

آموزش دانش آموزان وظیفه ماست و به آن متعهد هستیم. اگر در مورد محتوای دوره، برگه تمرین یا هر موضوعی مرتبط با هر موضوعی سؤالی دارید، همیشه می توانید سؤالی را در دوره ارسال کنید یا برای ما پیام مستقیم ارسال کنید.

فایل‌های تمرین را دانلود کنید، در آزمون‌ها شرکت کنید و تکالیف را تکمیل کنید

با هر سخنرانی، یادداشت‌های کلاسی پیوست شده است که می‌توانید آن را دنبال کنید. همچنین می‌توانید برای بررسی درک خود از مفاهیم، ​​در آزمون‌هایی شرکت کنید. هر بخش شامل یک تکلیف تمرینی است تا بتوانید یادگیری خود را عملی کنید.


ادامه دهید و روی دکمه ثبت نام کلیک کنید، و من شما را در درس 1 می بینم!


به سلامتی

Start-Tech Academy

این دوره برای چه کسانی است:

  • افرادی که به دنبال شغلی در علم داده هستند
  • حرفه ای ها سفر داده خود را آغاز می کنند
  • آماردانان به تجربه عملی بیشتری نیاز دارند
  • هر کسی که کنجکاو است در مدت زمان کوتاهی بر تکنیک SVM از مبتدی تا پیشرفته مسلط شود

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

راه اندازی R Studio و R Crash Course Setting up R Studio and R Crash Course

  • نصب استودیو R و R Installing R and R studio

  • منابع دوره Course Resources

  • مبانی استودیو R و R Basics of R and R studio

  • این یک نقطه عطف است! This is a milestone!

  • بسته ها در R Packages in R

  • وارد کردن داده ها قسمت 1: مجموعه داده های داخلی R Inputting data part 1: Inbuilt datasets of R

  • وارد کردن داده ها قسمت 2: ورود دستی داده ها Inputting data part 2: Manual data entry

  • وارد کردن داده ها قسمت 3: وارد کردن از فایل های CSV یا متنی Inputting data part 3: Importing from CSV or Text files

  • ایجاد بارپلات در R Creating Barplots in R

  • ایجاد هیستوگرام در R Creating Histograms in R

مبانی یادگیری ماشین Machine Learning Basics

  • مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

  • ساخت یک مدل یادگیری ماشینی Building a Machine Learning Model

طبقه بندی کننده حداکثر حاشیه Maximum Margin Classifier

  • جریان دوره Course flow

  • مفهوم هایپرپلین The Concept of a Hyperplane

  • طبقه بندی کننده حداکثر حاشیه Maximum Margin Classifier

  • محدودیت های طبقه بندی کننده حداکثر حاشیه Limitations of Maximum Margin Classifier

دسته بندی بردار پشتیبانی Support Vector Classifier

  • پشتیبانی از طبقه‌بندی‌کننده‌های برداری Support Vector classifiers

  • محدودیت های دسته بندی بردار پشتیبانی Limitations of Support Vector Classifiers

  • امتحان Quiz

ماشین های بردار پشتیبانی Support Vector Machines

  • ماشین‌های بردار پشتیبانی مبتنی بر هسته Kernel Based Support Vector Machines

  • امتحان Quiz

ایجاد مدل ماشین بردار پشتیبان در R Creating Support Vector Machine Model in R

  • مجموعه داده ها برای مشکل طبقه بندی The Data set for the Classification problem

  • وارد کردن داده ها به R Importing Data into R

  • تست-قطار تقسیم Test-Train Split

  • اطلاعات بیشتر در مورد تقسیم قطار آزمایشی More about test-train split

  • طبقه بندی مدل SVM با استفاده از هسته خطی Classification SVM model using Linear Kernel

  • تنظیم فراپارامتر برای هسته خطی Hyperparameter Tuning for Linear Kernel

  • هسته چند جمله ای با تنظیم فراپارامتر Polynomial Kernel with Hyperparameter Tuning

  • هسته شعاعی با تنظیم فراپارامتر Radial Kernel with Hyperparameter Tuning

  • امتحان Quiz

  • مجموعه داده برای مسئله رگرسیون The Data set for the Regression problem

  • مدل رگرسیون مبتنی بر SVM در R SVM based Regression Model in R

پیوست 1: پیش پردازش و آماده سازی داده ها قبل از ساخت هر مدل Appendix 1: Preprocessing and Preparing Data before making any model

  • جمع آوری دانش کسب و کار Gathering Business Knowledge

  • کاوش داده ها Data Exploration

  • داده ها و دیکشنری داده ها The Data and the Data Dictionary

  • وارد کردن مجموعه داده به R Importing the dataset into R

  • تجزیه و تحلیل تک متغیره و EDD Univariate Analysis and EDD

  • EDD در R EDD in R

  • درمان پرت Outlier Treatment

  • درمان پرت در R Outlier Treatment in R

  • مقدار گمشده Missing Value imputation

  • مقدار گمشده در R Missing Value imputation in R

  • فصلی بودن در داده ها Seasonality in Data

  • تجزیه و تحلیل دو متغیره و تبدیل متغیر Bi-variate Analysis and Variable Transformation

  • تبدیل متغیر در R Variable transformation in R

  • متغیرهای غیر قابل استفاده Non Usable Variables

  • ایجاد متغیر ساختگی: مدیریت داده های کیفی Dummy variable creation: Handling qualitative data

  • ایجاد متغیر ساختگی در R Dummy variable creation in R

  • ماتریس همبستگی و رابطه علت و معلولی Correlation Matrix and cause-effect relationship

  • ماتریس همبستگی در R Correlation Matrix in R

  • امتحان Quiz

  • امتحان Quiz

بخش پاداش Bonus Section

  • نقطه عطف نهایی! The final milestone!

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

آموزش SVM برای مبتدیان: پشتیبانی از ماشین های برداری در R Studio
جزییات دوره
5h 6m
55
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
50,317
4.6 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

Start-Tech Academy Start-Tech Academy

بیش از 1،700،000+ ثبت نام | 4+ رتبه بندی شده | 160+ CountriesStart-Tech Academy یک شرکت آموزش تجزیه و تحلیل مبتنی بر فناوری است و هدف آن گردآوری شرکتهای تحلیلی و فراگیران علاقه مند است. محتوای آموزشی با کیفیت بالا به همراه کارآموزی و فرصت های پروژه به دانشجویان در شروع سفر Analytics خود کمک می کند. بنیانگذار Abhishek Bansal و Pukhraj Parikh است. Pukhraj که به عنوان مدیر پروژه در یک شرکت مشاوره آنالیز کار می کند ، چندین سال تجربه کار بر روی ابزارها و نرم افزارهای تجزیه و تحلیل را دارد. او در مجموعه های اداری MS ، رایانش ابری ، SQL ، Tableau ، SAS ، Google analytics و Python مهارت دارد. Abhishek قبل از اینکه به فن آوری های یادگیری و آموزش مانند یادگیری ماشین و هوش مصنوعی بپردازد ، به عنوان یک مالک فرآیند اکتساب در یک شرکت مخابراتی پیشرو کار می کرد.