مفاهیم کلیدی یادگیری ماشینی

این دوره شما را به مفاهیم مورد نیاز برای شناسایی موارد مورد نیاز برای یادگیری ماشین معرفی می کند، یک مشکل ML را فرمول می دهد، مشکلات کانونی را که ML برای حل آن استفاده می شود، معرفی می کند و جزئیات مربوط به داده های پیچیده مانند متن، تصاویر و گفتار را مشخص می کند .
آنچه که شما یاد می گیرید
الگوریتم های یادگیری ماشین، توانایی انطباق و یادگیری از تجربیات گذشته را دارند. یادگیری ماشین به دلیل طیف گسترده ای از برنامه های کاربردی آن و توانایی باور نکردنی آن برای انطباق و ارائه راه حل هایی برای حل مشکلات پیچیده مهم است.
در این دوره، یادگیری کلیه مفاهیم ماشین، شما یاد خواهید گرفت که موارد استفاده از مواردی را که ML می تواند ارائه دهد، یاد بگیرد راه حل مناسب، و تشخیص ساختارهای مشترک در راه حل های مبتنی بر ML.
اول، شما محدودیت های رویکردهای مبتنی بر قانون را بررسی می کنید و چگونه ML آنها را کاهش می دهد. سپس، انواع مختلفی از مدل های ML مانند مدل های سنتی و مدل های نمایندگی را کشف خواهید کرد و ببینید که چگونه می توانید ML Mindset را برای پیدا کردن راه حل هایی برای رفع پرونده استفاده کنید.
بعد، شما از موارد استفاده مشترک ML استفاده خواهید کرد به عنوان رگرسیون، طبقه بندی، خوشه بندی، و کاهش ابعاد و یادگیری تفاوت بین یادگیری تحت نظارت و بدون نظارت. شما همچنین مواردی از موارد استفاده تخصصی مانند سیستم های توصیه شده، یادگیری قوانین انجمن و یادگیری تقویت، و همچنین یادگیری برای اعمال ML به داده های پیچیده مانند متن، تصاویر و داده های گفتار را مطالعه خواهید کرد.
در نهایت، شما چگونه یاد خواهید گرفت برای تکمیل استفاده از مورد خود را به یکی از این نوع مشکلات به طوری که آن را می توان آن را با یک روش معمول مبتنی بر ML حل شده است.
هنگامی که شما با این دوره به پایان رسید، مهارت و دانش مفهومی را خواهید داشت پایه یادگیری ماشین مورد نیاز برای تشخیص موارد استفاده برای ML و اتخاذ رویکردهای مشترک ML.

عنوان اصلی : Key Concepts Machine Learning

سرفصل های دوره :

مرور دوره
پیش نیازها و طرح درس
یادگیری ماشین چیست؟
سیستم های مبتنی بر قانون
سیستم های مبتنی بر قانون در مقابل سیستم های مبتنی بر ML
مدل های سنتی ML و مدل های نمایندگی ML
مدل های سنتی ML در مقابل یادگیری عمیق ML
ذهنیت یادگیری ماشین
نمونه هایی از AI در دنیای واقعی
انتخاب راه حل یادگیری ماشین راست
نظارت بر یادگیری Unspervised
مشکلات تخصصی ML: سیستم های توصیه شده
مشکلات ML تخصصی: قوانین انجمن یادگیری
مشکلات تخصصی ML: یادگیری تقویت
شناسایی ویژگی های مشکلات ML خوب
Framing یک راه حل یادگیری ماشین
استفاده از ML به متن، تصویر، و داده های گفتار
استفاده از ماشین یادگیری به داده های متن
داده های متنی پیش پردازش
استفاده از ماشین یادگیری به داده های تصویر
شهود پشت سر cnns
استفاده از یادگیری ماشین به داده های گفتاری
مرور سریع از رگرسیون خطی
گردش کار ماشین
نسخه ی نمایشی: کشف و درک مجموعه داده های حقوق و دستمزد
نسخه ی نمایشی: برخورد با مقادیر از دست رفته و ارزش های گم شده
نسخه ی نمایشی: انجام رگرسیون خطی ساده
خلاصه و مطالعه بیشتر