در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این کورس آموزشی قدم به قدم با PyTorch آشنا شده و تحلیل آماری را بوسیله آن یاد می گیرید.
عنوان اصلی : Predictive Analytics with PyTorch
بررسی اجمالی دوره
نسخه ی نمایشی: ساخت و آموزش یک مدل رگرسیون
نسخه ی نمایشی: کاوش و پیش پردازش داده ها
پیش نیازها و رئوس مطالب دوره
مدل های ساختاری و پیش بینی
نسخه ی نمایشی: آماده سازی و پردازش داده ها
نسخه ی نمایشی: ساخت یک شبکه عصبی ساده برای انجام رگرسیون
نسخه ی نمایشی: تعریف شبکه عصبی و توابع کمک کننده
نسخه ی نمایشی: کاوش در مجموعه داده های الماس
نسخه ی نمایشی: Pytorch را نصب و راه اندازی کنید
نسخه ی نمایشی: آماده سازی داده ها
نسخه ی نمایشی: ساخت و آموزش شبکه های عصبی سفارشی برای طبقه بندی
نسخه ی نمایشی: آموزش RNN و تولید نام ها
متن به عنوان داده متوالی
نورون عود کننده
نسخه ی نمایشی: راه اندازی توابع کمکی
آموزش RNN و سلول های حافظه بلند
نسخه ی نمایشی: تعریف RNN
نسخه ی نمایشی: بارگیری و آماده سازی داده های آموزشی
RNN برای ایجاد نام در زبان ها
خوشه بندی
نسخه ی نمایشی: راه اندازی ماتریس رتبه بندی
فیلتر مشارکتی
خلاصه و مطالعه بیشتر
رویکردهای مبتنی بر محتوا به توصیه ها
میانگین میانگین دقت @ K
نزدیکترین محله
فاکتورسازی ماتریسی
نسخه ی نمایشی: راه اندازی شبکه عصبی
نسخه ی نمایشی: عملکرد کمک کننده ارزیابی
یافتن الگوها در داده ها
آموزش قوانین انجمن
نسخه ی نمایشی: تابع راهنمای قطار
نسخه ی نمایشی: ساخت و آموزش شبکه عصبی سیستم توصیه
معیارهای ارزیابی در مقابل معیارهای ضرر
حداقل مربعات متناوب برای تخمین ماتریس رتبه بندی
Predictive Analytics with PyTorch
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.
آموزش خلاصه سازی داده ها و انجام کارهای آماری مربوط به آن
Building Your First scikit-learn Solution
Building Your First PyTorch Solution
Building Clustering Models with scikit-learn
Implementing Machine Learning Workflow with Weka
شروع به کار با Apache Spark بر روی Azure Databricks
Understanding Statistical Models and Mathematical Models
آموزش تفسیر داده ها با استفاده از مدل های آماری بوسیله Python
آموزش تحلیل داده ها و Data Mining
Deploying Containerized Workloads Using Google Cloud Kubernetes Engine