یادگیری ماشین برای دانشمندان داده مشتاق: صفر به قهرمان

مبانی یادگیری ماشین را برای بدست آوردن شغل در علوم داده ها بیاموزید. هیچ تجربه برنامه نویسی لازم نیست.

عنوان اصلی : Machine Learning for Aspiring Data Scientists: Zero to Hero

سرفصل های دوره :

مدل های یادگیری ماشینی:
تمرین سریع دستور العمل یادگیری ماشینی
بر اساس فرضیات و آیا می توانیم از شر آنها خلاص شویم؟
مورد AlphaZero
چرا از یادگیری ماشینی استفاده کنیم؟
یادداشت‌هایی درباره مدل‌های یادگیری ماشین
آزمون مدل‌های یادگیری ماشین
رگرسیون خطی:
یک یادداشت سریع در مورد کلمه "ویژگی ها"
الگوی رگرسیون خطی
غیر خطی در مقابل تناسبی در مقابل خطی
الگوی رگرسیون خطی دوباره مورد بازدید قرار گرفت
عملکرد از دست دادن
الگوریتم آموزشی
زمان کد
R مربع
چرا از مدل خطی استفاده کنیم؟
نوت بوک Kaggle در مورد رگرسیون خطی
تخصیص کد 5 دقیقه ای
نکاتی در مورد یادگیری نظارت شده و رگرسیون خطی
آزمون یادگیری نظارت شده و رگرسیون خطی
یافتن راه حل شکل بسته برای رگرسیون خطی (اختیاری)
مقیاس‌سازی و خطوط لوله:
مقدمه ای بر مقیاس بندی
حداکثر مقیاس بندی
زمان کد (حداقل حداکثر مقیاس بندی)
مشکل مقیاس بندی حداقل حداکثر
ضریب هوشی شما چقدر است؟
مقیاس بندی استاندارد
زمان کد (مقیاس بندی استاندارد)
مدل قبل و بعد از مقیاس بندی
زمان استنتاج
خطوط لوله
زمان کد (خطوط)
نوت بوک Kaggle در مورد مقیاس بندی و خطوط لوله
نکاتی در مورد مقیاس بندی و خطوط لوله
آزمون مقیاس بندی و خطوط لوله
قانونی سازی:
همبستگی های جعلی
قانونی سازی L2
زمان کد (قانونی سازی L2)
نتایج L2
قانونی سازی L1
زمان کد (قانونی سازی L1)
نتایج L1
چرا L1 صفرها را تشویق می کند؟
L1 در مقابل L2: کدام یک بهتر است؟
نوت‌بوک Kaggle در مورد منظم‌سازی
تمرین کد 5 دقیقه ای
نکاتی در مورد منظم سازی
آزمون منظم سازی
تأیید اعتبار:
مجموعه اعتبارسنجی
زمان کد (مجموعه اعتبارسنجی)
منحنی های خطا
انتخاب مدل
مشکل انتخاب مدل
مجموعه اعتبارسنجی آلوده
میمون ها با ماشین تحریر
حماسه اعتبارسنجی من شکست خورد
مجموعه تست
اگر مدل تست را قبول نکند چه؟
چگونه گول تصادفی را نخوریم
اعتبار سنجی متقابل
زمان کد (اعتبار متقابل)
2 دقیقه تمرین اعتبارسنجی متقابل
خلاصه نتایج اعتبارسنجی متقابل
AutoML
آیا AutoML ایده خوبی است؟
پرچم های قرمز: این کار را نکنید!
خلاصه پرچم‌های قرمز و آنچه در عوض باید انجام شود
شغل شما به عنوان دانشمند داده
نوت بوک Kaggle در مورد اعتبارسنجی و اعتبارسنجی متقابل
تخصیص کد 30 دقیقه ای با مجموعه داده جدید!
نکاتی در مورد اعتبارسنجی و آزمایش
خواندن اضافی: بازآموزی مدل
خواندن اضافی: تفاوت بین آمار و یادگیری ماشین
اشتباهات رایج:
مقدمه و خلاصه
یک مثال (خنده دار) دیگر از نشت داده ها
اشتباه شماره 2: تقسیم تصادفی داده های وابسته
یک مثال دیگر (اطلاعات بیمه)
اشتباه شماره 3: تعصب نگاه به آینده
راه حل های مثال برای تعصب نگاه به آینده
عواقب تعصب نگاه به آینده
چگونه داده ها را برای جلوگیری از تعصب نگاه به آینده تقسیم کنیم
اعتبار سنجی متقابل با داده های مربوط به زمانی
اشتباه شماره 4: ساختن مدل برای یک چیز، استفاده از آن برای چیز دیگری
منطق کلی
چرا این برای شغل و جستجوی شغل شما اهمیت دارد
یافتن خطا: انتساب کد 10 دقیقه ای
راه حل تکلیف
نکاتی در مورد اشتباهات رایج
آزمون اشتباهات رایج
طبقه بندی - قسمت 1: مدل لجستیک:
چرا رگرسیون معمولی کار نمی کند؟
خلاصه دستور العمل یادگیری ماشین
الگوی مدل لجستیک (باینری)
تابع تصمیم و مرز (دودویی)
الگوی مدل لجستیک (چند کلاسه)
تابع تصمیم و مرز (چند کلاس)
خلاصه: باینری در مقابل چند کلاسه
زمان کد!
چرا مدل لجستیک اغلب رگرسیون لجستیک نامیده می شود
یک در مقابل استراحت، یک در مقابل یک
نوت بوک Kaggle در مورد مدل لجستیک برای طبقه بندی رقم
کار کدنویسی 5 دقیقه ای: این مدل چقدر هوشمند است؟
نکاتی در مورد مدل لجستیک
آزمون مدل لجستیک
طبقه بندی - قسمت 2: تخمین حداکثر احتمال:
جایی که در آن هستیم
امتیاز بریر و چرا کار نمی کند
تابع احتمال
کار بهینه سازی و ثبات عددی
بیایید عملکرد ضرر را بهبود ببخشیم
نمونه‌های ارزش از دست دادن
افزودن منظم سازی
از دست دادن آنتروپی متقابل باینری
نکاتی در مورد تخمین حداکثر احتمال
آزمون برآورد حداکثر احتمال
طبقه بندی - قسمت 3: نزول گرادیان:
نمای کلی نزول گرادیان
گرادیان
محاسبه عددی
به روز رسانی پارامتر
همگرایی
راه حل تحلیلی
[اختیاری] تفسیر راه حل تحلیلی
شرایط نزول گرادیان
فراتر از نزول گرادیان وانیلی
زمان کد
خواندن مستندات
تمرین کدگذاری 10 دقیقه ای: طبقه بندی تصاویر لباس ها
یادداشت‌هایی درباره نزول گرادیان
سنجه‌های طبقه‌بندی و عدم تعادل طبقاتی:
طبقه بندی باینری و عدم تعادل طبقاتی
ارزیابی عملکرد
دقت
دقت با اهمیت کلاسی متفاوت
پیشision و Recall
حساسیت و ویژگی
F-Measure و سایر معیارهای ترکیبی
منحنی ROC
مساحت زیر منحنی ROC
متریک سفارشی (موارد مهم!)
سایر معیارهای سفارشی
روند علم داده بد :(
تعادل مجدد داده ها (از انجام این کار خودداری کنید!)
شکاف طبقه بندی شده
یادداشت‌های مربوط به معیارهای طبقه‌بندی
آزمون معیارهای طبقه بندی
شبکه های عصبی:
مجموعه داده معکوس MNIST
مشکل مدل های خطی
نورون ها
پرسپترون چند لایه (MLP) برای طبقه بندی باینری
MLP برای رگرسیون
MLP برای طبقه بندی چند طبقه
لایه های پنهان
توابع فعال سازی
مرز تصمیم گیری
عملکرد از دست دادن
مقدمه ای بر آموزش شبکه های عصبی
مقداردهی اولیه پارامتر
اشباع
غیر تحدب
نزول شیب تصادفی (SGD)
بیشتر در مورد SGD
زمان کد!
انتشار پس زمینه
مشکل MLP
یادگیری عمیق
یادداشت ها در مورد شبکه های عصبی
آزمون در مورد شبکه های عصبی
کار کدنویسی 20 دقیقه ای
مدل های مبتنی بر درخت:
درخت تصمیم
ساخت درختان تصمیم گیری
توقف رشد درختان
مزایا و معایب درختان تصمیم
درختان تصمیم برای طبقه بندی
مرز تصمیم گیری
کیف زنی
جنگل های تصادفی
درختان با گرادیان افزایش یافته برای رگرسیون
درختان با گرادیان افزایش یافته برای طبقه بندی [اختیاری]
نحوه استفاده از درختان شیب‌دار
آزمون روش‌های مبتنی بر درخت
تمرین کدنویسی 20 دقیقه ای (مهم!)
K-nn و SVM:
طبقه بندی نزدیکترین همسایه
K نزدیکترین همسایه
معایب k-NN
سیستم های توصیه (فیلترسازی مشارکتی)
معرفی ماشین های بردار پشتیبانی (SVM)
حداکثر حاشیه
حاشیه نرم
SVM در مقابل مدل لجستیک (بردارهای پشتیبانی)
فرمولاسیون جایگزین SVM
محصول نقطه
داده های غیرخطی قابل تفکیک
ترفند هسته (چند جمله ای)
هسته RBF
اظهارات SVM
امتحان در k-nn و SVM
یادگیری بدون نظارت:
مقدمه ای بر یادگیری بدون نظارت
خوشه بندی
K-به معنای خوشه بندی است
K-means مثال کاربردی
روش آرنج
اظهارات خوشه بندی
مقدمه ای بر کاهش ابعاد
PCA (تحلیل مؤلفه اصلی)
اظهارات PCA
زمان کد (PCA)
آزمون یادگیری بدون نظارت
مهندسی ویژگی :
داده های موجود نیست
مجوز
وارد کننده در خط لوله
رمزگذاری One-Hot
رمزگذاری ترتیبی
چگونه خطوط لوله را ترکیب کنیم
نمونه کد
مهندسی ویژگی
ویژگی های پردازش زبان طبیعی (NLP)
آناتومی یک پروژه علم داده
مراحل بعدی!
پروژه نهایی: بازماندگان تایتانیک را پیش بینی کنید