جمع جزء: 567,000 تومان
- × 1 عدد: Mastering CSS Animation with SVG - 189,000 تومان
- × 1 عدد: Practical CompTIA Security+ SY0-601 Lab Simulation & Exam - 189,000 تومان
- × 1 عدد: 2D Fantasy Illustration - 189,000 تومان
در این مجموعه آموزش قدم به قدم یاد می گیرید که چطور پیچیدگی داده ها را حل کنید. مدرس دوره استفاده از ابزارها و برنامه ها و کدهای موجود در این زمینه را به شما یاد میدهد.
عنوان اصلی : Reducing Complexity in Data
بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
نفرین ابعاد
اضافه برازش و مبادله بایاس واریانس
تکنیک هایی برای کاهش پیچیدگی
انتخاب تکنیک مناسب
معایب کاهش پیچیدگی
نسخه ی نمایشی: مجموعه داده های دیابت - کاوش
نسخه ی نمایشی: ایجاد یک مدل پایه
نسخه ی نمایشی: مجموعه داده قیمت مسکن بوستون - اکتشاف
نسخه ی نمایشی: رگرسیون سینک آشپزخانه برای ایجاد یک مدل پایه
خلاصه
نمای کلی ماژول
تکنیک های آماری برای انتخاب ویژگی
مروری بر مفهومی تکنیک های مختلف انتخاب ویژگی
نسخه ی نمایشی: انتخاب ویژگی ها با استفاده از آستانه واریانس
نسخه ی نمایشی: انتخاب K بهترین ویژگی با استفاده از تجزیه و تحلیل Chi2
نسخه ی نمایشی: تنظیم توابع کمکی برای انتخاب ویژگی
نسخه ی نمایشی: با استفاده از تجزیه و تحلیل Chi2 مقدار مناسب برای K را پیدا کنید
نسخه ی نمایشی: با استفاده از ANOVA مقدار مناسب برای K را پیدا کنید
نسخه ی نمایشی: ویژگی ها را با استفاده از درصد و تجزیه و تحلیل اطلاعات متقابل انتخاب کنید
نسخه ی نمایشی: آموزش فرهنگ لغت بر روی اعداد دست نویس
خلاصه
نمای کلی ماژول
درک تجزیه و تحلیل اجزای اصلی
نسخه ی نمایشی: اجرای PCA برای کاهش ابعاد
نسخه ی نمایشی: ساخت مدل های خطی با استفاده از اجزای اصلی
درک تحلیل عاملی
نسخه ی نمایشی: استفاده از تحلیل عاملی برای کاهش ابعاد
درک تحلیل تفکیک خطی
نسخه ی نمایشی: انجام تجزیه و تحلیل تشخیص خطی برای جهت دهی مجدد داده ها
خلاصه
نمای کلی ماژول
درک یادگیری چندگانه
نسخه ی نمایشی: منیفولد را ایجاد کنید و توابع کمکی را تنظیم کنید
نسخه ی نمایشی: یادگیری منیفولد با استفاده از مقیاس بندی چند بعدی و جاسازی طیفی
نسخه ی نمایشی: یادگیری منیفولد با استفاده از t-SNE و Isomap
نسخه ی نمایشی: یادگیری منیفولد با استفاده از جاسازی خطی محلی
نسخه ی نمایشی: اجرای هسته PCA برای کاهش پیچیدگی در داده های غیر خطی
خلاصه
نمای کلی ماژول
K-یعنی مدل Stacking
نسخه ی نمایشی: طبقه بندی تصویر با ویژگی های اصلی
نسخه ی نمایشی: تبدیل داده ها با استفاده از مراکز خوشه ای K-means
رمزگذاری خودکار
نسخه ی نمایشی: داده های تصویر را برای تغذیه رمزگذار خودکار آماده کنید
نسخه ی نمایشی: استفاده از رمزگذارهای خودکار برای یادگیری بازنمایی کارآمد از داده ها
خلاصه و مطالعه بیشتر
Reducing Complexity in Data
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.

درک مدل های آماری و ریاضی

یادگیری تصمیم سازی بر پایه دیتا

آموزش تحلیل آماری بوسیله PyTorch

آموزش Scrape صفحات وب به زبان Python

دوره پیشرفته Snowflake

Implementing Bootstrap Methods in R

Applying the Mathematical MASS Model with R

فیلم یادگیری Deploying PyTorch Models in Production: PyTorch Playbook

Building Features from Nominal Data

Building Clustering Models with scikit-learn
✨ تا ۷۰% تخفیف با شارژ کیف پول 🎁
مشاهده پلن ها