آموزش روش‌های پیشرفته در کاربردهای یادگیری ماشین - آخرین آپدیت

دانلود Advanced Methods in Machine Learning Applications

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره «روش‌های پیشرفته در کاربردهای یادگیری ماشین» به بررسی تکنیک‌های پیچیده یادگیری ماشین می‌پردازد و درک عمیقی از یادگیری جمعی (Ensemble Learning)، تحلیل رگرسیون، یادگیری بدون نظارت و یادگیری تقویتی را به فراگیران ارائه می‌دهد. این دوره بر کاربردهای عملی تأکید دارد و به دانشجویان می‌آموزد چگونه تکنیک‌های پیشرفته را برای حل مسائل پیچیده و بهینه‌سازی عملکرد مدل‌ها به کار گیرند. در این مسیر، متدهایی مانند Bagging، Boosting و Stacking و همچنین رویکردهای پیشرفته رگرسیون و الگوریتم‌های خوشه‌بندی مورد بررسی قرار می‌گیرند. آنچه این دوره را متمایز می‌کند، تمرکز آن بر چالش‌های دنیای واقعی و ارائه تجربه عملی با ابزارها و تکنیک‌های پیشرفته یادگیری ماشین است. از بررسی یادگیری تقویتی برای تصمیم‌گیری گرفته تا به‌کارگیری تحلیل Apriori برای استخراج قوانین انجمنی، این دوره مهارت‌های لازم برای مدیریت مجموعه‌داده‌ها و وظایف پیچیده را به کاربران می‌آموزد. در پایان این دوره، فراگیران قادر خواهند بود مدل‌های پیچیده یادگیری ماشین را پیاده‌سازی، بهینه و ارزیابی کنند و برای مواجهه با چالش‌های پیشرفته در هر دو بخش پژوهشی و صنعتی کاملاً آماده شوند.

سرفصل ها و درس ها

معرفی دوره Course Introduction

یادگیری جمعی (Ensemble Learning) Ensemble Learning

  • مروری بر یادگیری جمعی Ensemble Learning Overview

  • یادگیری جمعی Ensemble Learning

  • درخت‌های تصمیم Decision Trees

  • نمایش قدرت یادگیرنده‌های ضعیف متعدد Demonstrating the Power of Copious Weak Learners

رگرسیون Regression

  • مروری بر رگرسیون Regression Overview

  • رگرسیون خطی Linear Regression

  • رگرسیون لجستیک Logistic Regression

  • طبقه‌بندی‌کننده رگرسیون لجستیک Logistics Regression Classifier

یادگیری بدون نظارت Unsupervised Learning

  • مروری بر یادگیری بدون نظارت Unsupervised Learning Overview

  • یادگیری بدون نظارت Unsupervised Learning

  • مثال عملی یادگیری بدون نظارت Unsupervised Learning Worked Example

  • بصری‌سازی مجموعه داده Iris در یادگیری بدون نظارت Unsupervised Learning Visualizing Iris Dataset

یادگیری تقویتی و تحلیل Apriori Reinforcement Learning and Apriori Analysis

  • مروری بر یادگیری تقویتی Reinforcement Learning Overview

  • یادگیری تقویتی Reinforcement Learning

  • یادگیری بازی NIM Learning the NIM Game

  • مروری بر تحلیل Apriori Apriori Analysis Overview

  • تحلیل Apriori Apriori Analysis

  • تحلیل Apriori با استفاده از فریم‌ورک Weka Apriori Analysis Using Weka Framework

نمایش نظرات

آموزش روش‌های پیشرفته در کاربردهای یادگیری ماشین
جزییات دوره
19h 58m
18
(آخرین آپدیت)
602
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده