آموزش یادگیری ماشین با پایتون: پیش‌بینی بیماری دیابت - آخرین آپدیت

دانلود Machine Learning with Python: Diabetes Prediction

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: فراگیران در این دوره قادر خواهند بود ابزارهای پایتون را نصب و پیکربندی کنند، گردش کارهای یادگیری ماشین (Machine Learning Workflows) را به کار گیرند، داده‌های بهداشتی و درمانی را تبدیل کرده، رگرسیون لجستیک را پیاده‌سازی کنند و مدل‌های پیش‌بینی را با استفاده از منحنی‌های ROC ارزیابی نمایند. این دوره دانشجویان را به مهارت‌های عملی برای طراحی، ساخت و تست راهکارهای واقعی یادگیری ماشین برای تحلیل‌های حوزه سلامت مجهز می‌کند. از طریق راهنمایی‌های گام‌به‌گام، یادگیرندگان با نصب آناکوندا (Anaconda) و کتابخانه‌های ضروری پایتون شروع کرده، سپس به درک مجموعه داده‌های دیابت سرخپوستان پیما (Pima Indians Diabetes)، بررسی مراحل یادگیری ماشین و به‌کارگیری رگرسیون لجستیک برای طبقه‌بندی دوتایی می‌پردازند. این دوره بر تمرینات عملی در Jupyter Notebook تأکید دارد، جایی که دانشجویان داده‌ها را از طریق مدیریت هدرها، کدگذاری مقادیر دسته‌بندی شده و تقسیم مجموعه داده‌ها به مجموعه‌های آموزش و تست، پیش‌پردازش می‌کنند. در نهایت، یادگیرندگان عملکرد مدل را با منحنی‌های ROC برای تفسیر دقت تشخیص اعتبارسنجی می‌کنند. با تکمیل این دوره، فراگیران اعتماد به نفس لازم برای تبدیل مجموعه‌ داده‌های بهداشتی به پیش‌بینی‌های کاربردی را به دست می‌آورند. برخلاف آموزش‌های عمومی یادگیری ماشین، این دوره به دلیل تمرکز بر یک مورد پژوهشی پزشکی واقعی، پیوند دادن تئوری با تمرینات کدنویسی و ایجاد درک مفهومی و مهارت‌های کاربردی در مدل‌سازی پیش‌بینانه، منحصر به فرد است.

سرفصل ها و درس ها

ساخت مدل پیش‌بینی دیابت Building the Diabetes Prediction Model

مقدمه‌ای بر دیابت سرخپوستان پیما با استفاده از یادگیری ماشین Introduction to Pima Indians Diabetes Using Machine Learning
نصب آناکوندا Installation of Anaconda
نصب کتابخانه‌ها Installation of Libraries
مراحل یادگیری ماشین Steps in Machine Learning
مجموعه داده و رگرسیون لجستیک Dataset and Logistic Regression
طبقه‌بندی داده‌های پیما Pima Classification
حذف هدر داده‌ها Exclude the Header
تبدیل رشته‌ها به عدد Conversion of String into Number
تقسیم مجموعه داده Split the Dataset
بررسی منحنی ROC Check the ROC