در حال حاضر محصولی در سبد خرید شما وجود ندارد.

بسیاری اوقات نوشتن اولین پروژه Data Science کاری دشوار است. در این دوره آموزشی قدم به قدم یاد می گیرید که چطور اولین پروزه هوشمند خود را بوسیله scikit-learn طراحی و اجرا کنید.
عنوان اصلی : Building Your First scikit-learn Solution
بررسی اجمالی دوره
 نمای کلی ماژول
 پیش نیازها و رئوس مطالب دوره
 معرفی یادگیری ماشینی
 یادگیری از داده ها: آموزش و پیش بینی
 مدل های سنتی و نمایندگی ML
 طاقچه یادگیری scikit در ML
 کاوش در کتابخانههای دانشآموزی
 یادگیری تحت نظارت و بدون نظارت
 نصب کتابخانه های اسکیت-آموزش
 خلاصه
 نمای کلی ماژول
 گردش کار یادگیری ماشین
 استفاده از scikit-learn در گردش کار یادگیری ماشین
 انتخاب برآوردگر مناسب: طبقه بندی
 انتخاب برآوردگر مناسب: خوشه بندی
 انتخاب برآوردگر مناسب: رگرسیون و کاهش ابعاد
 کاوش مجموعه داده های داخلی در scikit-learn
 کاوش در گروه های خبری و مجموعه داده های رقمی بوستون
 مجموعه داده های مسکن کالیفرنیا: بررسی ویژگی های عددی و دسته بندی
 مجموعه داده مسکن کالیفرنیا: بررسی روابط در داده ها
 خلاصه
 نمای کلی ماژول
 درک رگرسیون خطی
 آماده سازی داده ها برای یادگیری ماشینی
 آموزش و پیش بینی با استفاده از رگرسیون خطی
 درک رگرسیون لجستیک
 آموزش و پیش بینی با استفاده از طبقه بندی کننده رگرسیون لجستیک
 خلاصه و مطالعه بیشتر
Building Your First scikit-learn Solution
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
 
 
Implementing Bootstrap Methods in R

فیلم یادگیری کامل Evaluating a Data Mining Model

آموزش انتقال استایل ها بوسیله PyTorch

آموزش معماری راهکارهای بیگ دیتا با استفاده از Google Dataproc

آموزش ساخت مدل های دسته بندی یا Classification در scikit-learn

Summarizing Data and Deducing Probabilities

فیلم یادگیری Employing Ensemble Methods with scikit-learn

Applying Differential Equations and Inverse Models with R

Deep Learning with Python and Keras: Build a Model For Sentiment Analysis

Building Machine Learning Models on Databricks
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
 مشاهده پلن ها