Udemy – The Supervised Machine Learning Bootcamp 2025-8

در تاریخ: 1405/04/04 11:28:35

توضیحات

دوره The Supervised Machine Learning Bootcamp. چرا باید دوره یادگیری ماشین نظارت شده را در نظر بگیرید؟ الگوریتم‌های یادگیری ماشینی تحت نظارت که در اینجا خواهید آموخت، برخی از قدرتمندترین ابزارهای علم داده هستند که برای حل وظایف رگرسیون و طبقه‌بندی به آن‌ها نیاز دارید. اینها مهارت های ارزشمندی هستند که هر کسی که می خواهد به عنوان مهندس یادگیری ماشین و دانشمند داده کار کند باید در جعبه ابزار خود داشته باشد. بیز ساده، KNN، ماشین‌های بردار پشتیبانی، درخت‌های تصمیم، جنگل‌های تصادفی، ریج و رگرسیون کمند. در این دوره، تئوری پشت هر 6 الگوریتم را یاد خواهید گرفت و سپس با استفاده از کتابخانه یادگیری کیت علمی پایتون، مهارت های خود را در مطالعات موردی عملی متناسب با هر یک از آنها به کار خواهید برد. ابتدا، ما بیز ساده را پوشش می دهیم – یک تکنیک قدرتمند بر اساس آمار بیزی. نقطه قوت آن این است که در انجام وظایف در زمان واقعی عالی است. برخی از رایج‌ترین موارد استفاده، فیلتر کردن ایمیل‌های هرزنامه، پرچم‌گذاری نظرات نامناسب در رسانه‌های اجتماعی، یا انجام تحلیل احساسات است. در این دوره، ما یک مثال عملی داریم که دقیقاً چگونه کار می کند، پس با ما همراه باشید! بعدی K-nearest-neighbors است – یکی از پرکاربردترین الگوریتم های یادگیری ماشین. چرا اینطور است؟ به دلیل سادگی آن هنگام استفاده از معیارهای مبتنی بر فاصله برای پیش‌بینی دقیق. ما الگوریتم‌های درخت تصمیم را دنبال می‌کنیم، که به عنوان مبنایی برای موضوع بعدی ما – یعنی جنگل‌های تصادفی – عمل خواهد کرد. آنها یادگیرندگان قدرتمندی هستند که می توانند از قدرت درختان تصمیم گیری چندگانه برای پیش بینی دقیق استفاده کنند. پس از آن، ما با ماشین‌های بردار پشتیبان – مدل‌های طبقه‌بندی و رگرسیون مواجه می‌شویم که قادر به استفاده از هسته‌های مختلف برای حل طیف گسترده‌ای از مشکلات هستند. در بخش عملی این بخش، مدلی برای طبقه بندی قارچ ها به عنوان سمی یا خوراکی خواهیم ساخت. هیجان انگیز! در نهایت، با Ridge و Lasso Regression آشنا خواهید شد – آنها الگوریتم های منظم سازی هستند که مکانیسم رگرسیون خطی را با محدود کردن قدرت ویژگی های فردی و جلوگیری از برازش بیش از حد بهبود می بخشند. ما به تفاوت ها و شباهت ها و همچنین مزایا و معایب هر دو تکنیک رگرسیون خواهیم پرداخت. هر بخش از این دوره به روشی یکنواخت برای یک تجربه یادگیری بهینه سازماندهی شده است:

– ما با تئوری بنیادی برای هر الگوریتم شروع می کنیم. برای افزایش درک شما از موضوع، شما را از طریق یک مورد نظری راهنمایی می کنیم و همچنین فرمول های ریاضی پشت الگوریتم را معرفی می کنیم.

– سپس به سراغ ساخت مدل می رویم تا با آن مشکل عملی را حل کنیم. این کار با استفاده از کتابخانه معروف اسکلرن پایتون انجام می شود.

– ما عملکرد مدل های خود را با کمک معیارهایی مانند دقت، دقت، یادآوری و امتیاز F1 تجزیه و تحلیل می کنیم.

– همچنین تکنیک های مختلفی مانند جستجوی شبکه ای و اعتبارسنجی متقابل را برای بهبود عملکرد مدل مطالعه می کنیم.

برای تکمیل همه چیز، ما مجموعه‌ای از تمرین‌ها و آزمون‌های مکمل داریم تا بتوانید مجموعه مهارت‌های خود را افزایش دهید. نه تنها این، بلکه ما همچنین مطالب دوره جامعی را برای راهنمایی شما در طول دوره ارائه می دهیم که می توانید در هر زمان با آنها مشورت کنید. این درس ها به سبک آموزشی منحصر به فرد 365 ایجاد شده اند که بسیاری از شما با آن آشنا هستید. هدف ما ارائه موضوعات پیچیده به روشی آسان و قابل درک، با تمرکز بر کاربرد عملی و یادگیری بصری است. با قدرت انیمیشن ها، سوالات مسابقه، تمرین ها و یادداشت های دوره به خوبی ساخته شده، دوره یادگیری ماشینی نظارت شده تمام نیازهای یادگیری شما را برآورده می کند

آنچه که در دوره The Supervised Machine Learning Bootcamp فرا خواهید گرفت

الگوریتم های رگرسیون و طبقه بندی
استفاده از sk-learn و Python برای پیاده سازی تکنیک های یادگیری ماشینی نظارت شده
K-نزدیک ترین همسایه ها برای طبقه بندی و رگرسیون
بیز ساده لوح
رگرسیون ریج و کمند
درختان تصمیم
جنگل های تصادفی
ماشین های بردار پشتیبانی
مطالعات موردی عملی برای آموزش، آزمایش و ارزیابی و بهبود عملکرد مدل
اعتبار سنجی متقابل برای بهینه سازی پارامترها
یاد بگیرید که از معیارهایی مانند دقت، یادآوری، امتیاز F1 و همچنین ماتریس سردرگمی برای ارزیابی عملکرد واقعی مدل استفاده کنید.
شما با کمک توضیح شهودی فرمول ها و مفاهیم ریاضی به مبانی نظری پشت هر الگوریتم شیرجه خواهید زد.

این دوره مناسب افرادیست که

دانشمندان مشتاق داده و مهندسان یادگیری ماشین
دانشمندان داده و تحلیلگران داده به دنبال ارتقاء مجموعه مهارت های خود هستند
هر کسی که می خواهد درک درستی از زمینه یادگیری ماشین و فرصت های گسترده آن به دست آورد

مشخصات دوره The Supervised Machine Learning Bootcamp

ناشر : Udemy
مدرس : 365 Careers
زبان: انگلیسی
سطح آموزش : تمام سطوح
تعداد دروس : 83
مدت زمان آموزش : 5 ساعت و 49 دقیقه

سرفصل های دوره

پیشنیازهای دوره The Supervised Machine Learning Bootcamp

The course is open to everyone who wants to learn data science.
You’ll need to install Anaconda and Jupyter Notebook. We will show you how to do that step by step.