آموزش شروع با Scikit-Learn: راهنمای مبتدیان برای ML
Getting Started with Scikit-Learn: A Beginner's Guide to ML
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.
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
نظری ارسال نشده است.
https://donyad.com/d/3a25b6
آموزش Talend DI + TMC + AWS - Zero to Hero
Talend DI + TMC + AWS - Zero to Hero
Talend DI + TMC + AWS - Zero to Hero
آموزش علم داده در پایتون: رگرسیون و پیش بینی
Data Science in Python: Regression & Forecasting
Python را برای علم داده و یادگیری ماشین یاد بگیرید و با پروژه های عملی مدل های رگرسیون و پیش بینی بسازید
آموزش از 0 تا 1: Hive for Processing Big Data
From 0 to 1: Hive for Processing Big Data
Hive End-to-End: HQL، Partitioning، Bucketing، UDFs، Windowing، Optimization، Map Joins، Indexes
آموزش دوره تجسم داده ها: Excel، Tableau، Python، R
The Data Visualization Course: Excel, Tableau, Python, R
تجسم داده ها در Excel، Tableau، Python و R. نمودارهای خیره کننده ایجاد کنید و بیشترین مهارت ها را در سال 2020 بیاموزید
Jitendra Singh
شرکت ادتک
Udemy (یودمی)
یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.