توضیحات
Supervised Machine Learning in Python، دوره آموزش یادگیری ماشینی تحت نظارت در پایتون توسط آکادمی Datacamp منتشر شده است. بر اصول یادگیری ماشینی نظارت شده مسلط شوید و نحوه پیشبینی با استفاده از دادههای برچسبگذاری شده را بیاموزید. امروز به انقلاب ML بپیوندید. اگر در یادگیری ماشینی تازه کار هستید یا می خواهید در یادگیری ماشینی تحت نظارت تخصص داشته باشید، این دوره مکانی ایده آل برای شروع است. شما با یادگیری و پیادهسازی مدلهای یادگیری با نظارت اصلی، مانند K-Nearest Neighbors (KNN)، رگرسیون لجستیک، رگرسیون خطی، ماشینهای بردار پشتیبان (SVM) و مدلهای مبتنی بر درخت با کتابخانه محبوب Sikit-Learn شروع میکنید. همچنین خواهید فهمید که چگونه از الگوریتم های پیشرفته مانند XGBoost برای افزایش کارآمد عملکرد مدل سازی در مجموعه داده های جدولی استفاده کنید. برای استفاده حداکثری از مدل های خود، در مورد تکنیک های مختلف تنظیم هایپرپارامتر و نحوه تصمیم گیری برای استفاده از تکنیک مورد استفاده خود خواهید آموخت. شما مسیر را با گردآوری دانش خود از این مدل های متنوع به پایان خواهید رساند .در مورد یادگیری گروهی می آموزید، جایی که مدل های مختلف برای بهبود عملکرد و حل مشکلات پیچیده تر ترکیب می شوند. در پایان دوره بر مفاهیم اساسی یادگیری ماشینی نظارت شده مسلط خواهید شد و می توانید آنها را در پایتون به کار ببرید.
آنچه خواهید آموخت
- مهارت های یادگیری ماشینی خود را با Sicit-Learn در پایتون رشد دهید. در این دوره تعاملی از مجموعه داده های دنیای واقعی استفاده کنید و یاد بگیرید که چگونه پیش بینی های قدرتمندی انجام دهید
- در این دوره با جزئیات طبقه بندی کننده های خطی مانند رگرسیون لجستیک و SVM آشنا خواهید شد.
- در این دوره، نحوه استفاده از مدلها و مجموعههای مبتنی بر درخت را برای رگرسیون و طبقهبندی با استفاده از scikit-learn یاد خواهید گرفت.
مشخصات دوره Supervised Machine Learning in Python
سر فصل های دوره Supervised Machine Learning in Python

تصاویر

فیلم نمونه
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: انگلیسی
کیفیت: 720p
لینک دانلود
Ensemble Methods in Python
Extreme Gradient Boosting with XGBoost
Hyperparameter Tuning in Python
Linear Classifiers in Python
Machine Learning with Tree-Based Models in Python
Supervised Learning with scikit-learn
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
558 مگابایت












































