در حال حاضر محصولی در سبد خرید شما وجود ندارد.

بسیاری اوقات نوشتن اولین پروژه Data Science کاری دشوار است. در این دوره آموزشی قدم به قدم یاد می گیرید که چطور اولین پروزه هوشمند خود را بوسیله scikit-learn طراحی و اجرا کنید.
عنوان اصلی : Building Your First scikit-learn Solution
بررسی اجمالی دوره
 نمای کلی ماژول
 پیش نیازها و رئوس مطالب دوره
 معرفی یادگیری ماشینی
 یادگیری از داده ها: آموزش و پیش بینی
 مدل های سنتی و نمایندگی ML
 طاقچه یادگیری scikit در ML
 کاوش در کتابخانههای دانشآموزی
 یادگیری تحت نظارت و بدون نظارت
 نصب کتابخانه های اسکیت-آموزش
 خلاصه
 نمای کلی ماژول
 گردش کار یادگیری ماشین
 استفاده از scikit-learn در گردش کار یادگیری ماشین
 انتخاب برآوردگر مناسب: طبقه بندی
 انتخاب برآوردگر مناسب: خوشه بندی
 انتخاب برآوردگر مناسب: رگرسیون و کاهش ابعاد
 کاوش مجموعه داده های داخلی در scikit-learn
 کاوش در گروه های خبری و مجموعه داده های رقمی بوستون
 مجموعه داده های مسکن کالیفرنیا: بررسی ویژگی های عددی و دسته بندی
 مجموعه داده مسکن کالیفرنیا: بررسی روابط در داده ها
 خلاصه
 نمای کلی ماژول
 درک رگرسیون خطی
 آماده سازی داده ها برای یادگیری ماشینی
 آموزش و پیش بینی با استفاده از رگرسیون خطی
 درک رگرسیون لجستیک
 آموزش و پیش بینی با استفاده از طبقه بندی کننده رگرسیون لجستیک
 خلاصه و مطالعه بیشتر
Building Your First scikit-learn Solution
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.
 
 
Data Analysis Functions and Techniques in Microsoft Excel

آموزش کار با Tensorflow 2.0

آموزش خلاصه سازی داده ها و انجام کارهای آماری مربوط به آن

آموزش طراحی مدل های یادگیری ماشینی

Deep Learning with Python and Keras: Build a Model For Sentiment Analysis

شروع به کار با Apache Spark بر روی Azure Databricks

Introduction to Attention-Based Neural Networks

Communicating Data Insights

Deploying Containerized Workloads Using Google Cloud Kubernetes Engine

کورس یادگیری Kubernetes: GitOps with ArgoCD
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
 مشاهده پلن ها