آموزش برنامه نویسی Machine Learning بوسیله Classification and Regression

با مشاهده این کورس آموزشی یاد می گیرید که چطور کدنویسی یادگیری ماشینی را در زبان پایتون بوسیله Classification and Regression انجام دهید.

عنوان اصلی : Programming Foundations of Classification and Regression LiveLessons (Machine Learning with Python for Everyone Series), Part 1 (Video Training)

سرفصل ها :

1. معرفی
2 - موضوعات
3 - 1.1 نصب محیطی
4 - 1.2 سه کاری که می توانید با NumPy و matplotlib انجام دهید
5 - 1.3 سه کاری که می توانید با پانداها انجام دهید
6 - 1.4 سه کاری که می توانید با scikit-learn و Friends انجام دهید
7 - موضوعات
8 - 2.1 احتمال
9 - 2.2 توزیع ها
10 - 2.3 ترکیبات خطی
11 - 2.4 هندسه، قسمت 1
12 - 2.5 هندسه، قسمت 2
13 - 2.6 هندسه، قسمت 3
14 - 2.7 وقتی کامپیوتر و ریاضی با هم ملاقات می کنند
15 - موضوعات
16 - 3.1 راه اندازی و مجموعه داده Iris
17 - 3.2 دقت
18 - 3.3 k-نزدیکترین همسایه ها
19 - 3.4 تست قطار تقسیم و اتصال k-NN
20 - 3.5 ساده لوح بیز
21 - موضوعات
22 - 4.1 ارزشیابی یادگیری
23 - 4.2 ارزیابی منابع - زمان
24 - 4.3 ارزیابی منابع - حافظه
25 - 4.4 اسکریپت
26 - موضوعات
27 - 5.1 راه اندازی و مجموعه داده دیابت
28 - 5.2 اقدامات مرکز
29 - 5.3 k-نزدیکترین همسایگان برای رگرسیون
30 - 5.4 رگرسیون خطی، قسمت 1
31 - رگرسیون خطی 5.5، قسمت 2
32 - موضوعات
33 - 6.1 بهینه سازی، قسمت 1
34 - 6.2 بهینه سازی، قسمت 2
35 - 6.3 عملکرد یادگیری
36 - 6.4 ارزیابی منابع
37 - خلاصه