آموزش درختان تصمیم، جنگل های تصادفی، AdaBoost و XGBoost در پایتون

سرفصل ها و درس ها

مقدمه Introduction

• به دوره خوش آمدید! Welcome to the Course!

• منابع دوره Course Resources

راه اندازی Python و Python Crash Course Setting up Python and Python Crash Course

• نصب پایتون و آناکوندا Installing Python and Anaconda

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

• باز کردن نوت بوک Jupyter Opening Jupyter Notebook

• آشنایی با ژوپیتر Introduction to Jupyter

• عملگرهای حسابی در پایتون: مبانی پایتون Arithmetic operators in Python: Python Basics

• رشته ها در پایتون: اصول پایتون Strings in Python: Python Basics

• لیست ها، تاپل ها و فهرست ها: اصول پایتون Lists, Tuples and Directories: Python Basics

• کار با کتابخانه Numpy پایتون Working with Numpy Library of Python

• کار با Pandas Library of Python Working with Pandas Library of Python

• کار با کتابخانه Seaborn پایتون Working with Seaborn Library of Python

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

درختان تصمیم گیری ساده Simple Decision trees

• مبانی درخت تصمیم Basics of decision trees

• درک درخت رگرسیون Understanding a Regression Tree

• معیارهای توقف برای کنترل رشد درختان The stopping criteria for controlling tree growth

• مجموعه داده ها برای دوره The Data set for the Course

• وارد کردن داده ها در پایتون Importing Data in Python

• درمان ارزش از دست رفته در پایتون Missing value treatment in Python

• ایجاد متغیر ساختگی در پایتون Dummy Variable creation in Python

• تقسیم داده های وابسته- مستقل در پایتون Dependent- Independent Data split in Python

• تقسیم Test-Train در پایتون Test-Train split in Python

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

• ایجاد درخت تصمیم در پایتون Creating Decision tree in Python

• ارزیابی عملکرد مدل در پایتون Evaluating model performance in Python

• ترسیم درخت تصمیم در پایتون Plotting decision tree in Python

• هرس درخت Pruning a tree

• هرس درخت در پایتون Pruning a tree in Python

درخت طبقه بندی ساده Simple Classification Tree

• درخت طبقه بندی Classification tree

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

• درخت طبقه بندی در پایتون: پیش پردازش Classification tree in Python : Preprocessing

• درخت طبقه بندی در پایتون: آموزش Classification tree in Python : Training

• مزایا و معایب درختان تصمیم Advantages and Disadvantages of Decision Trees

تکنیک گروه 1 - کیسه زدن Ensemble technique 1 - Bagging

• تکنیک گروه 1 - کیسه زدن Ensemble technique 1 - Bagging

• تکنیک گروه 1 - Bagging در پایتون Ensemble technique 1 - Bagging in Python

تکنیک گروه 2 - جنگل های تصادفی Ensemble technique 2 - Random Forests

• تکنیک گروه 2 - جنگل های تصادفی Ensemble technique 2 - Random Forests

• تکنیک گروه 2 - جنگل های تصادفی در پایتون Ensemble technique 2 - Random Forests in Python

• استفاده از Grid Search در پایتون Using Grid Search in Python

تکنیک گروه 3 - تقویت Ensemble technique 3 - Boosting

• تقویت Boosting

• امتحان Quiz

• تکنیک Ensemble 3a - تقویت در پایتون Ensemble technique 3a - Boosting in Python

• تکنیک Ensemble 3b - AdaBoost در پایتون Ensemble technique 3b - AdaBoost in Python

• تکنیک Ensemble 3c - XGBoost در پایتون Ensemble technique 3c - XGBoost in Python

• امتحان Quiz

• امتحان Quiz

افزودنی 1: پیش پردازش و آماده سازی داده ها قبل از ساخت مدل ML Add-on 1: Preprocessing and Preparing Data before making ML model

• جمع آوری دانش کسب و کار Gathering Business Knowledge

• کاوش داده ها Data Exploration

• مجموعه داده و دیکشنری داده The Dataset and the Data Dictionary

• وارد کردن داده ها در پایتون Importing Data in Python

• وارد کردن داده ها در پایتون Importing Data in Python

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

• EDD در پایتون EDD in Python

• درمان پرت Outlier Treatment

• درمان پرت در پایتون Outlier Treatment in Python

• مقدار گمشده Missing Value Imputation

• مقدار از دست رفته در پایتون Missing Value Imputation in Python

• فصلی بودن در داده ها Seasonality in Data

• تجزیه و تحلیل دو متغیره و تبدیل متغیر Bi-variate analysis and Variable transformation

• تبدیل و حذف متغیر در پایتون Variable transformation and deletion in Python

• متغیرهای غیر قابل استفاده Non-usable variables

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

• ایجاد متغیر ساختگی در پایتون Dummy variable creation in Python

• تجزیه و تحلیل همبستگی Correlation Analysis

• تجزیه و تحلیل همبستگی در پایتون Correlation Analysis in Python

• امتحان Quiz

نتیجه Conclusion

• نقطه عطف نهایی! The final milestone!

• سخنرانی پاداش Bonus Lecture