آموزش مبانی یادگیری ماشین - آخرین آپدیت

دانلود Machine Learning Basics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره آموزشی، شما موارد زیر را فرا خواهید گرفت: الف) درک مفاهیم پایه یادگیری ماشین. ب) درک یک روش رایج مبتنی بر حافظه، یعنی روش K نزدیک‌ترین همسایه (K-NN). ج) درک رگرسیون خطی. د) درک تحلیل مدل. لطفاً اطمینان حاصل کنید که در برنامه‌نویسی پایتون تسلط دارید و دانش پایه‌ای در ریاضیات از جمله ضرب ماتریس‌ها و احتمال شرطی را دارا هستید.

سرفصل ها و درس ها

مفاهیم پایه یادگیری ماشین The basic concepts of machine learning

  • بیایید درباره یادگیری ماشین صحبت کنیم Let’s talk about machine learning

  • یادگیری با نظارت، یادگیری بدون نظارت و یادگیری تقویتی Supervised Learning, Unsupervised Learning, Reinforcement Learning

  • بیش‌برازش در مقابل تعمیم‌دهی و ارزیابی مدل Overfitting vs. Generalization, model evaluation

الگوریتم K نزدیک‌ترین همسایه The k-Nearest Neighbors

  • الگوریتم kNN چگونه کار می‌کند How k-NN works

  • عوامل وزن‌دهی و هسته‌ها برای kNN Weight factors, kernels for the k-NN

  • پیاده‌سازی طبقه‌بندی kNN k-NN Classification implementations

رگرسیون خطی Linear Regression

  • تعریف مسئله و حل آن در رگرسیون خطی Problem definition and solution in LR

  • مدل خطی جمع‌پذیر Additive Linear model

  • پیاده‌سازی رگرسیون خطی Implementation of linear regression

رگرسیون لجستیک Logistic Regression

  • یک مدل خوب چیست؟ What is a good model?

  • رگرسیون لجستیک به عنوان یک طبقه‌بند خطی Logistic regression as a Linear classifier

  • پیاده‌سازی رگرسیون لجستیک Implementation of logistic regression

نمایش نظرات

آموزش مبانی یادگیری ماشین
جزییات دوره
14h 57m
12
(آخرین آپدیت)
11,406
4.1 از 5
دارد
دارد
دارد
Jaekwang KIM
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar