این دوره دوم در یک سری دو بخش است که چگونگی ساخت خط لوله های یادگیری ماشین را با استفاده از Scikit-Learn، یک کتابخانه برای زبان برنامه نویسی پایتون پوشش می دهد. این یک دوره دست است که شامل تظاهرات است که می توانید همراه با ساخت مدل های یادگیری ماشین خود را دنبال کنید.
اهداف یادگیری
کاوش تکنیک های نظارت بر نظارت مورد استفاده برای آموزش یک مدل در Scikit-Leting با استفاده از یک مدل رگرسیون ساده
درک مفهوم تار واریانس تعصب و مدل های ML تنظیم شده
کاوش مدل های خطی برای طبقه بندی و نحوه ارزیابی آنها
یادگیری نحوه انتخاب مدل و مناسب بودن آن مدل به یک مجموعه داده
مخاطب مورد نظر
این دوره برای هر کسی که علاقه مند به یادگیری ماشین با پایتون است، در نظر گرفته شده است.
پیش نیازها
برای دریافت بیشتر از این دوره، باید ابتدا بخشی از آن را داشته باشید یکی از این سری های دو بخش.
منابع
منابع مربوط به این دوره را می توان در Github Repo زیر یافت: https://github.com/cloudacademy/ca-machine-learning-with- scikit-learn
عنوان اصلی : Building Machine Learning Pipelines with scikit-learn 2 Parts
سرفصل های دوره :
01 قسمت 1:
001 معرفی
002 مقیاس مقیاس بخش 1
003 مقیاس مقیاس بخش 2
004 برخورد با متغیرهای قطعی
005 برخورد با ارزش های گم شده
006 نتیجه گیری
02 قسمت 2:
001 معرفی
002 رگرسیون خطی در Scikit-Learn
003 تجارت واریانس تعصب خاموش
004 مدل انقباض در Scikit-Learn
005 طبقه بندی در Scikit-Learn
006 نتیجه گیری
Building Machine Learning Pipelines with scikit-learn 2 Parts
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.
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
مشاهده پلن ها
