آموزش شروع با Scikit-Learn: راهنمای مبتدیان برای ML

Getting Started with Scikit-Learn: A Beginner's Guide to ML

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مبانی و کاربردهای عملی مفاهیم اساسی یادگیری ماشین و انواع مختلف آن. دانش عملی از الگوریتم های مختلف یادگیری ماشین با استفاده از کتابخانه Scikit-Learn. تکنیک هایی برای پیش پردازش داده ها، انتخاب مدل مناسب، آموزش، آزمایش و ارزیابی مدل های یادگیری ماشین. درک عملی نحوه استفاده از Scikit-Learn برای وظایف رگرسیون، طبقه بندی، خوشه بندی و کاهش ابعاد. تکنیک های ارزیابی مدل و درک عدم تناسب و برازش بیش از حد. پیش نیازها: دانش اولیه برنامه نویسی پایتون الزامی است زیرا دوره با استفاده از پایتون تدریس می شود. آشنایی با مفاهیم پایه ریاضی مفید است اما اجباری نیست. رایانه ای با اتصال به اینترنت برای دانلود کتابخانه ها و مجموعه داده های لازم. هیچ دانش قبلی در مورد یادگیری ماشین یا Scikit-Learn لازم نیست.

به دنیای یادگیری ماشینی خوش آمدید!

آیا برای باز کردن پتانسیل یادگیری ماشین آماده هستید؟

این دوره جامع برای فراهم کردن پایه ای محکم در یادگیری ماشین برای مبتدیان با استفاده از Scikit-Learn، یکی از محبوب ترین و قدرتمندترین کتابخانه های یادگیری ماشین در پایتون، طراحی شده است. چه یک علاقه‌مند به برنامه‌نویسی، یک تحلیلگر داده یا حرفه‌ای باشید که به دنبال گسترش مجموعه مهارت‌های خود هستید، این دوره شما را با دانش و مهارت‌های عملی مجهز می‌کند تا با خیال راحت وارد دنیای یادگیری ماشین شوید.

در طول این دوره، مفاهیم و تکنیک های اساسی یادگیری ماشین، از جمله پیش پردازش داده ها، آموزش مدل، و ارزیابی را خواهید آموخت. شما تجربه عملی در ساخت الگوریتم‌های مختلف یادگیری ماشین، مانند رگرسیون خطی، رگرسیون لجستیک، درخت‌های تصمیم، جنگل‌های تصادفی، و نزدیک‌ترین همسایه‌ها، برای حل مسائل دنیای واقعی به دست خواهید آورد. شما در تمرین‌های عملی، آزمون‌ها و مثال‌های کدنویسی شرکت خواهید کرد که به شما امکان می‌دهد الگوریتم‌های یادگیری ماشین را با استفاده از Scikit-Learn پیاده‌سازی کنید.

در پایان این دوره، شما پایه ای قوی در یادگیری ماشین خواهید داشت و می توانید Scikit-Learn را به طور موثر برای حل مسائل مختلف دنیای واقعی به کار ببرید. چه به دنبال شروع حرفه ای در علم داده باشید یا صرفاً مهارت های عملی در یادگیری ماشین کسب کنید، این دوره نقطه شروع عالی برای سفر شما به حوزه هیجان انگیز یادگیری ماشین با Scikit-Learn است.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

رگرسیون خطی ساده Simple Linear Regression

  • رگرسیون خطی با استفاده از Scikit-learn Linear Regression using Scikit-learn

  • رگرسیون خطی ساده Simple Linear Regression

رگرسیون خطی چندگانه Multiple Linear Regression

  • رگرسیون خطی چندگانه در Scikit-learn Multiple Linear Regression in Scikit-learn

  • رگرسیون خطی چندگانه Multiple Linear Regression

رگرسیون لجستیک در Scikit-Learn Logistic Regression in Scikit-learn

  • رگرسیون لجستیک Logistic Regression

  • رگرسیون لجستیک Logistic Regression

K-نزدیکترین همسایگان در Scikit-learn K-Nearest Neighbors in Scikit-learn

  • K-نزدیک ترین همسایه ها K-Nearest Neighbors

  • آزمون 4 Quiz 4

درخت تصمیم در Scikit-Learn Decision Tree in Scikit-learn

  • درخت تصمیم Decision Tree

  • امتحان Quiz

جنگل تصادفی در Scikit-Learn Random Forest in Scikit-learn

  • جنگل تصادفی Random Forest

  • امتحان 7 Quiz 7

نمایش نظرات

آموزش شروع با Scikit-Learn: راهنمای مبتدیان برای ML
جزییات دوره
3 hours
7
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
6
5 از 5
ندارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jitendra Singh Jitendra Singh

شرکت ادتک