در حال حاضر محصولی در سبد خرید شما وجود ندارد.
شما احتمالا در مورد یادگیری ماشین قبل از شنیده اید، اما آیا تا به حال فکر کرده اید که این اصطلاح واقعا چیست؟ چگونه یک ماشین یاد می گیرد؟ آیا شما در مورد ساخت یک مدل یادگیری ماشین فکر کرده اید، اما نمی دانستید که در آن شروع شود؟ یادگیری ماشین از طریق زبان مورد نیاز بیشتر در استفاده از امروز، پایتون. فردریک با دقیقا همان چیزی را که به معنای ماشین آلات برای یادگیری و راه های مختلفی است که آنها یاد می گیرند، شروع می شود، سپس به نحوه جمع آوری، درک و آماده سازی داده ها برای یادگیری ماشین می رسد. او همچنین نمونه های هدایت شده از نحوه انجام هر مرحله را با استفاده از پایتون ارائه می دهد. در نهایت، او همه را برای ساخت، ارزیابی و تفسیر نتایج یک مدل یادگیری ماشین در پایتون به ارمغان می آورد.
عنوان اصلی : Machine Learning with Python: Foundations
سرفصل های دوره :
مقدمه:
یادگیری ماشین در دنیای ما
آنچه شما باید بدانید
ابزارهایی که به آن نیاز دارید
با استفاده از فایل های ورزشی
1. فراگیری ماشین :
یادگیری ماشین چیست؟
یادگیری ماشین چیست؟
یادگیری غیرقابل پیش بینی چیست؟
آموزش چیست؟
یادگیری تقویتی چیست؟
مراحل یادگیری ماشین چیست؟
2. جمع آوری داده ها برای یادگیری ماشین:
چیزهایی که باید در هنگام جمع آوری داده ها در نظر بگیرید
نحوه وارد کردن داده ها در پایتون
3. درک داده ها برای یادگیری ماشین:
اطلاعات خود را شرح دهید
نحوه خلاصه کردن داده ها در پایتون
اطلاعات خود را تجسم کنید
نحوه تجسم داده ها در پایتون
4. آماده سازی داده ها برای یادگیری ماشین:
مسائل مربوط به کیفیت داده های مشترک
نحوه حل کردن داده های گمشده در پایتون
عادی سازی داده های شما
نحوه عادی کردن داده ها در پایتون
نمونه برداری از داده های شما
نحوه نمونه برداری داده ها در پایتون
کاهش ابعاد داده های شما
5. انواع مدل های یادگیری ماشین:
طبقه بندی در مقابل مشکلات رگرسیون
نحوه ساخت یک مدل یادگیری ماشین در پایتون
نتیجه گیری:
مراحل بعدی با یادگیری دستگاه کاربردی
Machine Learning with Python: Foundations
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.
