در حال حاضر محصولی در سبد خرید شما وجود ندارد.
در این مجموعه آموزش فقط و فقط با چند دقیقه مطالعه و تمرین در روز می توانید بر تکنیک های یادگیری ماشینی در کمتر از یک هفته مسلط شوید.
عنوان اصلی : Machine Learning Algorithms in 7 Days
بررسی اجمالی دوره
مقدمه ای بر رگرسیون خطی
مفاهیم مختلف در مورد رگرسیون خطی
استفاده از رگرسیون خطی برای پیش بینی
مزایا و محدودیت های رگرسیون خطی
مطالعه موردی - رگرسیون خطی
مقدمه ای بر رگرسیون لجستیک
مفاهیم مختلف پیرامون رگرسیون لجستیک
چگونه می توان از رگرسیون لجستیک برای طبقه بندی چند طبقه استفاده کرد
مزایا و محدودیت های رگرسیون لجستیک
مطالعه موردی - رگرسیون لجستیک
تکلیف خانه - مدل های خطی
مقدمه ای بر درخت تصمیم
مفاهیم - الگوریتم های درخت تصمیم مختلف
اجزای مختلف درخت تصمیم
مزایا و معایب الگوریتم درخت تصمیم
مطالعه موردی - دادههای فرسایش منابع انسانی IBM
تکلیف - الگوریتم درخت تصمیم
مقدمه ای بر الگوریتم جنگل تصادفی
مفاهیم الگوریتم جنگل تصادفی
اجزای مختلف الگوریتم جنگل تصادفی
مزایا و معایب الگوریتم جنگل تصادفی
مطالعه موردی - داده های فرسایش منابع انسانی IBM
تکلیف - الگوریتم جنگل تصادفی
مقدمه ای بر K-Means Clustering
مفاهیم الگوریتم خوشه بندی K-Means
روش های مختلف خوشه بندی
مزایا و معایب الگوریتم خوشه بندی K-Means
مطالعه موردی - مجموعه داده های عنبیه
تکلیف خانه - الگوریتم خوشه بندی K-Means
مقدمه ای بر الگوریتم KNN
مفاهیم الگوریتم KNN
مزایا و محدودیت های الگوریتم KNN
مطالعه موردی - مجموعه دادههای سرشماری درآمد
تکلیف - الگوریتم KNN
مقدمه ای بر الگوریتم نایو بیز
مفاهیم الگوریتم نایو بیز
مزایا و محدودیت های الگوریتم Naive Bayes
مطالعه موردی - مجموعه داده های بازاریابی بانکی
تکلیف خانه - الگوریتم Naïve Bayes
مقدمه ای بر تحلیل سری های زمانی
مفاهیم مختلف در مورد مدل سری زمانی
نمای کلی مدل ARIMA/SARIMA
اندازه گیری دقت پیش بینی - تجزیه و تحلیل سری های زمانی
مطالعه موردی - مجموعه دادههای تورم CPI
تکلیف - تحلیل سری زمانی
Machine Learning Algorithms in 7 Days
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.