توضیحات
دوره Machine Learning Using Python. این دوره به عنوان مقدمهای بر حوزه یادگیری ماشین با تمرکز بر پیادهسازی با زبان برنامهنویسی پایتون درنظر گرفته شده است. یادگیری ماشین شاخهای از هوش مصنوعی است که به سیستمها امکان میدهد از دادهها یاد بگیرند و بدون برنامهنویسی مشخص، پیشبینی یا تصمیمگیری کنند. پایتون به دلیل سادگی، تطبیقپذیری و اکوسیستم غنی از کتابخانههایی مانند scikit-learn، Mlxtend، Pandas، Seaborn، SciPy و غیره به یکی از محبوبترین زبانهای برنامهنویسی برای یادگیری ماشین تبدیل شده است. در طول این دوره، دانشجویان مفاهیم، الگوریتمها و تکنیکهای اساسی یادگیری ماشین را بررسی خواهند کرد و تجربه عملی در پیادهسازی آنها با استفاده از پایتون به دست خواهند آورد. این دوره موضوعاتی از جمله موارد زیر را پوشش میدهد:
مقدمهای بر یادگیری ماشین
پاکسازی داده با استفاده از پایتون
مقابله و کاوش دادههای عددی و دادههای دستهبندی شده
آموزش و مدلسازی دادهها
کاهش ابعاد با استفاده از استخراج ویژگی
الگوریتمهای تحت نظارت برای طبقهبندی
بهبود عملکرد مدل با روشهای ترکیبی
ارزیابی عملکرد مدل برای طبقهبندی
رگرسیون
الگوریتمهای بدون نظارت
آنچه که در دوره Machine Learning با پایتون فرا خواهید گرفت
- درک مفاهیم بنیادی یادگیری ماشین و کاربردهای آن در حوزههای مختلف.
- یادگیری فرآیند پیشپردازش داده، از جمله مدیریت دادههای گمشده، مقیاسبندی ویژگی و کدگذاری متغیرهای دستهبندی شده.
- تسلط بر الگوریتمهای متنوع یادگیری تحت نظارت مانند رگرسیون خطی، رگرسیون لجستیک، درخت تصمیمگیری، ماشینهای بردار پشتیبان و همسایگان نزدیک k.
- کاوش در تکنیکهای یادگیری بدون نظارت از جمله خوشهبندی، کاهش ابعاد و یادگیری قوانین انجمن.
- توسعه توانایی تحلیل و تفسیر نتایج یادگیری ماشین به صورت نقادانه و تصمیمگیری مبتنی
مشخصات دوره Machine Learning Using Python
- ناشر: Udemy
- مدرس: Dr. Prerna Agrawal
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 3 ساعت و 53 دقیقه
- تعداد دروس: 13
سرفصل های دوره
پیشنیازهای دوره Machine Learning Using Python
- Python Programming
تصاویر دوره
نمونه فیلم دوره
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 720p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
1.4 گیگابایت















































