پیش بینی کلاهبرداری با تجسم داده ها و مدل سازی پیش بینی!

یک مدل تشخیص کلاهبرداری کارت اعتباری ایجاد کنید! مدل سازی پیش بینی ، رگرسیون لجستیک و تحلیل رگرسیون را بیاموزید.

عنوان اصلی : Predict fraud with data visualization & predictive modeling!

سرفصل های دوره :

مقدمه:
هوش مصنوعی پایتون چیست؟
اصول پایتون:
یک مشکل یا سوال پایتون دارید؟
نحوه استفاده از Pycharm
مقدمه و متغیرها
متغیرهای چندواره
جریان کنترل
توابع
کلاس ها و بسته بندی ها
پرونده های منبع
مبانی tensorflow:
نصب tensorflow
مقدمه و راه اندازی
سؤالات متداول: در نصب Tensorflow کمک کنید
tensorflow چیست؟
گره های ثابت و عملیاتی
گره های نگهدارنده
گره های متغیر
نحوه ایجاد یک مدل رگرسیون
ساخت رگرسیون خطی
پرونده های منبع
تشخیص کلاهبرداری (کارت اعتباری):
مکان جدید برای بارگیری مجموعه داده ها
نمای کلی پروژه
معرفی یک مجموعه داده
آموزش ساختمان: مجموعه داده های آزمایش
از بین بردن تعصب مجموعه داده
ساختن یک نمودار محاسباتی
توابع ساختمان برای اتصال نمودار
آموزش مدل
آزمایش مدل
پرونده های منبع
چکمه چکمه! شبکه های عصبی یادگیری ماشین:
مقدمه ای برای یادگیری ماشین های عصبی
مقدمه ای برای یادگیری ماشین
مقدمه ای برای شبکه های خنثی
مقدمه ای برای حل
API Keras را کاوش کنید:
مقدمه ای بر روی API Keras
مقدمه ای بر Tensorflow و Keras
درک نحو Keras
مقدمه ای بر توابع فعال سازی
مجموعه داده های فرمت و بررسی CIFAR-10:
مقدمه ای برای مجموعه داده ها و Cifar-10
کاوش در مجموعه داده های Cifar-10
درک نکات خاص داده
قالب بندی تصاویر ورودی
یک مدل طبقه بندی کننده تصویر بسازید:
مقدمه ای بر مدل طبقه بندی کننده تصویر
ساخت مدل
تدوین و آموزش مدل
نزول شیب و بهینه ساز
مدلهای آموزش دیده را ذخیره و بارگذاری کنید:
مقدمه صرفه جویی و بارگیری
مدل صرفه جویی و بارگیری به H5
مدل ذخیره در پرونده protobuf
خلاصه جایزه
بخش های جایزه مواد منبع:
دارایی های متون: شبکه های عصبی یادگیری ماشین را درک کنید
دارایی های متون: API Keras را کاوش کنید
پرونده های دارایی: مجموعه داده های قالب بندی و بررسی CIFAR-10
پرونده های دارایی: مدل طبقه بندی تصویر را بسازید
پرونده های دارایی: مدلهای آموزش دیده را ذخیره و بارگیری کنید
منابع:
سخنرانی جایزه: 155 دوره را دریافت کنید!