استفاده از scikit-learn برای ساخت فرایندهای یادگیری ماشینی

این دوره دوم در یک سری دو بخش است که چگونگی ساخت خط لوله های یادگیری ماشین را با استفاده از Scikit-Learn، یک کتابخانه برای زبان برنامه نویسی پایتون پوشش می دهد. این یک دوره دست است که شامل تظاهرات است که می توانید همراه با ساخت مدل های یادگیری ماشین خود را دنبال کنید.
اهداف یادگیری
کاوش تکنیک های نظارت بر نظارت مورد استفاده برای آموزش یک مدل در Scikit-Leting با استفاده از یک مدل رگرسیون ساده
درک مفهوم تار واریانس تعصب و مدل های ML تنظیم شده
کاوش مدل های خطی برای طبقه بندی و نحوه ارزیابی آنها
یادگیری نحوه انتخاب مدل و مناسب بودن آن مدل به یک مجموعه داده
مخاطب مورد نظر
این دوره برای هر کسی که علاقه مند به یادگیری ماشین با پایتون است، در نظر گرفته شده است.
پیش نیازها
برای دریافت بیشتر از این دوره، باید ابتدا بخشی از آن را داشته باشید یکی از این سری های دو بخش.
منابع
منابع مربوط به این دوره را می توان در Github Repo زیر یافت: https://github.com/cloudacademy/ca-machine-learning-with- scikit-learn

عنوان اصلی : Building Machine Learning Pipelines with scikit-learn 2 Parts

سرفصل های دوره :

01 قسمت 1:
001 معرفی
002 مقیاس مقیاس بخش 1
003 مقیاس مقیاس بخش 2
004 برخورد با متغیرهای قطعی
005 برخورد با ارزش های گم شده
006 نتیجه گیری
02 قسمت 2:
001 معرفی
002 رگرسیون خطی در Scikit-Learn
003 تجارت واریانس تعصب خاموش
004 مدل انقباض در Scikit-Learn
005 طبقه بندی در Scikit-Learn
006 نتیجه گیری