آموزش الگوریتم های یادگیری ماشینی

در این دوره آموزشی با الگوریتم های یادگیری ماشینی آشنا شده و استفاده از آن ها را فرا می گیرید. 

عنوان اصلی : Applied Machine Learning: Algorithms

سرفصل ها :

معرفی
قدرت الگوریتم ها در یادگیری ماشینی
آنچه شما باید بدانید
چه ابزارهایی نیاز دارید
با استفاده از فایل های تمرین
1. بررسی مبانی
تعریف مدل در مقابل الگوریتم
نمای کلی فرآیند
متغیرهای پیوسته را پاک کنید
متغیرهای طبقه بندی را پاک کنید
به مجموعه قطار، اعتبار سنجی و آزمایش تقسیم می شود
2. رگرسیون لجستیک
رگرسیون لجستیک چیست؟
چه زمانی باید به استفاده از رگرسیون لجستیک فکر کنید؟
فراپارامترهای کلیدی که باید در نظر گرفته شوند چیست؟
برازش یک مدل رگرسیون لجستیک پایه
3. ماشین های بردار پشتیبانی
ماشین بردار پشتیبان چیست؟
چه زمانی باید به استفاده از SVM فکر کنید؟
فراپارامترهای کلیدی که باید در نظر گرفته شوند چیست؟
یک مدل پایه SVM را متناسب کنید
4. پرسپترون چند لایه
پرسپترون چند لایه چیست؟
چه زمانی باید به استفاده از پرسپترون چند لایه فکر کنید؟
فراپارامترهای کلیدی که باید در نظر گرفته شوند چیست؟
یک مدل پرسپترون چند لایه پایه را برازش دهید
5. جنگل تصادفی
جنگل تصادفی چیست؟
چه زمانی باید از جنگل تصادفی استفاده کنید؟
فراپارامترهای کلیدی که باید در نظر گرفته شوند چیست؟
یک مدل جنگل تصادفی اولیه را بگنجانید
6. تقویت
تقویت چیست؟
چه زمانی باید به استفاده از تقویت کننده فکر کنید؟
هایپرپارامترهای کلیدی که باید تقویت را در نظر بگیریم چیست؟
متناسب با یک مدل تقویت کننده پایه
7. خلاصه
چرا باید این همه مدل مختلف را در نظر بگیرید؟
مقایسه مفهومی الگوریتم ها
انتخاب و ارزیابی مدل نهایی
نتیجه
مراحل بعدی