در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این دوره آموزشی بر استفاده از ابزارهای مدل سازی داده ها برای انجام پیش بینی آشنا شده و از آن ها در پروژه های واقعی استفاده خواهید کرد.
عنوان اصلی : Advanced Predictive Modeling: Mastering Ensembles and Metamodeling
معرفی
دقیق ترین مدل های یادگیری ماشین
آنچه شما باید بدانید
1. مفاهیم کلیدی مدل سازی
آنسامبل برنده جایزه نتفلیکس شد
آنسامبل چیست؟
انواع مدل ها و الگوریتم های مدل سازی
انواع آنسامبل
2. درک خطای مدل
اندازه گیری دقت مدل: تخمین ارزش
درک خطای مدل: طبقه بندی
3. مجموعه های ناهمگن ساده
پشتهسازی
رای گیری برای طبقه بندی
4. معامله تعصب-واریانس
خطا در تجزیه
تجسم سوگیری و واریانس
نفرین ابعاد
آیا تیغ اوکام همیشه درست است؟
5. اصول الگوریتم های گروهی
بوت استرپ تجمیع چیست؟
Boosting چیست و چگونه کار می کند؟
نسخه ی نمایشی افزایش گرادیان
6. الگوریتم های مهم گروه
جنگل تصادفی
جستجوی مدل با ضربه زدن
AdaBoost، XGBoost، Light GBM، CatBoost
Super Learner، Subsemble، StackNet
الان مردم روی چه چیزی کار می کنند؟
7. مجموعه و مطالعات موردی فرامدلینگ
ترکیب تحت نظارت و بدون نظارت
مسیریابی کیس به مدل های مختلف
نتیجه
مراحل بعدی
Advanced Predictive Modeling: Mastering Ensembles and Metamodeling
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.
مبانی هوش مصنوعی و یادگیری ماشینی : پیش بینی، علیت و استنتاج آماری
آموزش ضروری تجزیه و تحلیل پیش نگر: داده کاوی
دوره یادگیری انجام پروژه های یادگیری ماشینی با KNIME
Executive Guide to Human-in-the-Loop Machine Learning and Data Annotation
آموزش مبانی یادگیری ماشینی و هوش مصنوعی
یادگیری ماشین و پایه های AI: تولید AI قابل توضیح AI (Xai) و راه حل های یادگیری ماشین قابل تفسیر
Machine Learning and AI Foundations: Decision Trees with SPSS
Problem Identification and Solution Design for Data Scientists
Introduction to Machine Learning with KNIME
آموزش ایده های داشتن درآمد جانبی ویژه متخصصان تحلیل دیتا