دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.

آموزش پیاده سازی الگوریتم های یادگیری ماشینی خوشه بندی ( Classification ) بوسیله MATLAB

دانلود Udemy Machine Learning Classification Algorithms using MATLAB

7,000 تومان
بیش از یک محصول به صورت دانلودی با تخفیف میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری با 10 درصد تخفیف
7000 تومان6300 تومان

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.

ویدئو معرفی این محصول

در این کورس آموزشی علاوه بر آشنا شدن با الگوریتم های یادگیری ماشینی ( Machine Learning ) یاد می گیرید که چطور آن ها را و بویژه خوشه بندی یا Classification را بوسیله زبان متلب پیاده سازی کنید. 

عنوان اصلی : Machine Learning Classification Algorithms using MATLAB

این مجموعه آموزش ویدیویی محصول موسسه آموزشی Udemy است که بر روی 1 حلقه دیسک ارائه شده و به مدت زمان 6 ساعت و 54 دقیقه در اختیار علاقه مندان قرار می گیرد.

در ادامه با برخی از سرفصل های درسی این مجموعه آموزش آشنا می شویم :


Instructor and Course Introduction :
Applications of Machine Learning
Why use MATLAB for Machine Learning
Meet Your Instructor
Course Outlines

MATLAB Crash Course :
MATLAB Pricing and Online Resources
MATLAB GUI
Some common Operations
Notes and Practice

Grabbing and Importing a Dataset :
Data Types that We May Encounter
Grabbing a dataset
Importing Data into MATLAB
Understanding the Table Data Type
Notes and Practice

K-Nearest Neighbor :
Nearest Neighbor Intuition
Nearest Neighbor in MATLAB
Learning KNN model with features subset and with non-numeric data
Dealing with scalling issue and copying a learned model (4)
Types of Properties (5)
Building a model with subset of classes, missing values and instances weights (6
Properties of KNN
Notes and Practice

Naive Bayes :
Intuition of Naive Bayesain Classification
Naive Bayes in MATLAB
Building a model with categorical data
A Final note on Naive Bayesain Model
Notes and Practice

Decision Trees :
Intuition of Decision Trees
Decision Trees in MATLAB
Properties of the Decision Trees
Node Related Properties of Decision Trees
Properties at the Classifer Built Time
Notes and Practice

Discriminant Analysis :
Intuition of Discriminant Analysis
Discriminant Analysis in MATLAB
Properties of the Discriminant Analysis Learned Model in MATLAB
Notes and Practice

Support Vector Machines :
Intuition of SVM Classification
SVM in MATLAB
Properties of SVM learned model in MATLAB
Notes and Practice

Error Correcting Output Codes :
Intuition of ECOC
ECOC in Matlab
ECOC name, value arguemnts
Properties of ECOC model
Notes and Practice

Classification with Ensembles :
Ensembles in MATLAB
Properties of Ensembles

Validation Methods :
Cross validition options (Part 1)
Cross validition options (Part 2)

Performance Evaluation :
Making Predictions with the Models
Determining the classification loss
Classification Margins and Edge
Classification Loss, Margins, Predictions and Edge for cross validated models
Comparing two classifiers with holdout
Computing Confusion Matrix
Generating ROC Curve
Generating ROC Curve based on the testing data
More Customization and information while generating ROC
Computing Accuracy, Error Rate, Specificity and Sensitivity (10)

Discounted coupons for MY other MATLAB courses :
Discounted coupons for MY other MATLAB courses

مشخصات این مجموعه :
زبان آموزش ها انگلیسی روان و ساده
دارای آموزشهای ویدیویی و دسته بندی شده
ارائه شده بر روی 1 حلقه دیسک
مدت زمان آموزش 6 ساعت و 54 دقیقه !
محصول موسسه آموزشی Udemy