آموزش طراحی مدل های یادگیری ماشینی

در این مجموعه آموزش با مدل های یادگیری ماشینی آشنا شده و طراحی آن ها را یاد گرفته ، در پروژه های واقعی تجربه و تمرین خواهید کرد.

عنوان اصلی : Designing a Machine Learning Model

سرفصل ها :

بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
مطالعه موردی: تحلیل احساسات
تجزیه و تحلیل احساسات به عنوان یک مسئله طبقه بندی باینری
تحلیل مبتنی بر قانون در مقابل تحلیل مبتنی بر ML
سیستم های یادگیری ماشین سنتی
سیستم های یادگیری ماشینی بازنمایی
یادگیری عمیق و شبکه های عصبی
ML سنتی در مقابل یادگیری عمیق
الگوریتم های سنتی ML و طراحی شبکه عصبی
خلاصه ماژول
نمای کلی ماژول
انتخاب مشکل یادگیری ماشینی مناسب
یادگیری تحت نظارت و بدون نظارت
یادگیری تقویتی
سیستم های توصیه
خلاصه ماژول
نمای کلی ماژول
مدل های رگرسیون
انتخاب الگوریتم های رگرسیون
ارزیابی مدل های رگرسیون
انواع طبقه بندی
انتخاب الگوریتم های طبقه بندی
ارزیابی طبقه بندی کننده ها
مدل های خوشه بندی
نفرین ابعاد
تکنیک های کاهش ابعاد
خلاصه ماژول
نمای کلی ماژول
نصب و راه اندازی کنید
کاوش مجموعه داده های رگرسیون
رگرسیون ساده با استفاده از تکنیک های تحلیلی و یادگیری ماشینی
رگرسیون چندگانه با استفاده از تکنیک های تحلیلی و یادگیری ماشینی
کاوش در مجموعه داده های طبقه بندی
طبقه بندی با استفاده از رگرسیون لجستیک
طبقه بندی با استفاده از درختان تصمیم گیری
خوشه بندی با استفاده از K-means
کاهش ابعاد با استفاده از تحلیل مولفه اصلی
کاهش ابعاد با استفاده از یادگیری منیفولد
خلاصه ماژول
نمای کلی ماژول
گردش کار یادگیری ماشین
مطالعه موردی: PyTorch در ابر
آموزش گروهی
میانگین گیری و تقویت، رای گیری و انباشته
شبکه های عصبی سفارشی: ویژگی ها و کاربردهای آنها
خلاصه ماژول
نمای کلی ماژول
طبقه بندی با استفاده از رای گیری سخت و رای گیری نرم
کاوش و پیش پردازش مجموعه داده رگرسیون
رگرسیون با استفاده از بسته بندی و چسباندن
رگرسیون با استفاده از تقویت گرادیان
رگرسیون با استفاده از شبکه های عصبی
خلاصه و مطالعه بیشتر