یادگیری ماشینی با Python - کاربرد عملی

بسیاری از مشکلات با استفاده از یادگیری ماشین حل می شوند. این دوره به شما آموزش می دهد که چگونه الگوریتم ML را انتخاب کنید که می تواند به شما کمک کند مدل ML مناسب را برای حل مشکل در دست ایجاد کنید.
آنچه شما
یاد خواهید گرفت، راه های زیادی برای حل یک مشکل با استفاده از یادگیری ماشین وجود دارد. انتخاب الگوریتم مناسب می تواند تفاوت بین موفقیت یا "سوزاندن در شعله های آتش" را ایجاد کند. در این دوره، یادگیری ماشین با Python - کاربرد عملی، شما یاد خواهید گرفت که چگونه مدل ML مناسب را برای حل مشکل دنیای واقعی خود انتخاب کنید. اول، شما ویژگی های بسیاری از مشکلات دنیای واقعی را کشف خواهید کرد که می تواند با استفاده از ML حل شود. بعد، شما کشف خواهید کرد که چگونه هر یک از انواع الگوریتم ها می توانند یک مشکل خاص را حل کنند و چگونه. در نهایت، شما خواهید آموخت که چگونه الگوریتم مناسب را برای مشکل خود انتخاب کنید. هنگامی که شما با این دوره به پایان رسید، شما باید مهارت ها و دانش ML مورد نیاز برای شروع کار بر روی مشکل خود را داشته باشید و جهان را بهتر کنید.

عنوان اصلی : Machine Learning with Python - Practical Application

سرفصل های دوره :

مرور دوره
ابزار راست (ML) برای کار
دریافت (ML) فنی
سبک های یادگیری و انواع الگوریتم
سیستم عامل ها و کتابخانه ها
takeaway
معرفی الگوریتم های رگرسیون
رگرسیون خطی
رگرسیون چندجملهای
رگرسیون لسو
رگرسيون ريج
رگرسيون Perceptron
takeaway
algorithms طبقه بندی
رگرسیون لجستیک
Bayes Naive
پشتیبانی از ماشین های بردار
K نزدیکترین همسایگان
درخت تصمیم گیری و جنگل های تصادفی
شبکه های عصبی
شبکه های عصبی کانولوشن
takeaway
کاهش ابعاد
تجزیه و تحلیل تشخیص خطی
تجزیه و تحلیل مولفه اصلی
توزیع همسایه تصادفی توزیع شده
takeaway
Algorithms خوشه بندی
k معنی
مخلوط گاوسی
خوشه بندی سلسله مراتبی
انتشار وابستگی
takeaway
سایر انواع الگوریتم های یادگیری ماشین
نهایی takeaway