آیا می خواهید مهارت های خود را به عنوان یک تمرین کننده ماشین تمرین کنید، اما نمی دانید کجا شروع کنید؟ شما نیازی به آموزش رسمی در علوم داده ندارید تا به هدف خود ادامه دهید. در این دوره، مربی Derek Jedamski به شما نشان می دهد که چگونه داده های کثیف را مهار، پیدا کردن سیگنال در آن، و ساخت مدل هایی که پیش بینی های قدرتمند را با زبان آموزان گروه، یکی از رایج ترین کلاس های الگوریتم های یادگیری ماشین انجام می دهد. بازوی اصول خط لوله یادگیری ماشین برای پیدا کردن جایی که زبان آموزان گروهی در آن نشسته اند. در مورد نظریه پایه ای که دانش آموزان گروه را درایو می کنند، شامل نمونه هایی از یادگیری گروهی در پایتون و سپس اجرای مدل های خود خود را. کاوش مفاهیم مانند تقویت، بسته بندی و انباشت، و نحوه استفاده از هر و زمانی. ابزارهایی را که نیاز دارید، قدرت پیش بینی کنید و مهارت های یادگیری ماشین خود را امروز پیشرفت کنید.
عنوان اصلی : Applied Machine Learning: Ensemble Learning
سرفصل های دوره :
مقدمه:
یادگیری گروهی را کاوش کنید
آنچه باید بدانید
به چه ابزارهایی نیاز دارید
استفاده از فایل های تمرین
1. اصول یادگیری ماشینی را مرور کنید:
یادگیری ماشین چیست؟
یادگیری ماشینی در زندگی واقعی چگونه است؟
خط لوله یادگیری ماشینی سرتاسر به چه شکل است؟
معادل تعصب-واریانس
2. آماده سازی داده ها:
خواندن در داده ها
پاک کردن ویژگی های مداوم
پاک کردن ویژگی های طبقه بندی شده
تمام مجموعه‌های قطار، اعتبارسنجی و آزمایش را بنویسید
3. یادگیری گروهی چیست؟ :
یادگیری گروهی چیست؟
یادگیری گروهی چگونه کار می کند؟
چرا یادگیری گروهی اینقدر قدرتمند است؟
4. تقویت :
تقویت چیست؟
چگونه تقویت خطای کلی را کاهش می دهد؟
چه زمانی باید به استفاده از تقویت فکر کنید؟
نمونه هایی از الگوریتم هایی که از تقویت استفاده می کنند چیست؟
الگوریتم های تقویت کننده را در پایتون کاوش کنید
یک مدل تقویتی را پیاده سازی کنید
5. بسته بندی:
کیسه زنی چیست؟
چگونه چمدانی خطای کلی را کاهش می دهد؟
چه زمانی باید به استفاده از کیسه کشی فکر کنید؟
نمونه هایی از الگوریتم هایی که از بسته بندی استفاده می کنند چیست؟
الگوریتم های بسته بندی را در پایتون کاوش کنید
یک مدل کیسه‌بندی را پیاده‌سازی کنید
6. پشتهسازی :
انباشتگی چیست؟
چگونه انباشتن خطای کلی را کاهش می دهد؟
چه زمانی باید به استفاده از Stacking فکر کنید؟
نمونه هایی از الگوریتم هایی که از انباشتگی استفاده می کنند چیست؟
الگوریتم‌های پشته‌بندی را در پایتون کاوش کنید
یک مدل انباشتگی را پیاده سازی کنید
نتیجه گیری:
سه روش را با هم مقایسه کنید
همه مدل‌ها را در مجموعه اعتبارسنجی مقایسه کنید
چگونه به پیشرفت مهارت های خود ادامه دهید
Applied Machine Learning: Ensemble Learning
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.
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
مشاهده پلن ها
