Data Science: Supervised Machine Learning in Python
آموزش تصویری پیاده سازی الگوریتم های یادگیری ماشین در پایتون را در این دوره خواهید آموخت. در سالهای اخیر ، شاهد تجدید حیات در هوش مصنوعی یو یادگیری ماشین هستیم. یادگیری ماشینی به نتایج شگفت انگیزی منجر شده است ، مانند توانایی تجزیه و تحلیل تصاویر پزشکی و پیش بینی بیماری های هم سطح با متخصصان انسانی. از یادگیری ماشینی حتی برای برنامه ریزی اتومبیل های خودران استفاده می شود که باعث تغییر صنعت خودرو برای همیشه می شود. جهانی را تصور کنید که تصادفات رانندگی به شدت کاهش یافته است ، فقط با حذف عنصر خطای انسانی. گوگل به طور مشهور اعلام کرد که آنها اکنون “در ابتدا یادگیری ماشین” هستند ، به این معنی که اکنون یادگیری ماشین توجه بیشتری را به خود جلب خواهد کرد و این همان چیزی است که باعث ایجاد نوآوری در سالهای آینده خواهد شد. این در انواع محصولات مختلف جاسازی شده است. یادگیری ماشین در بسیاری از صنایع مانند امور مالی ، تبلیغات آنلاین ، دارو و رباتیک مورد استفاده قرار می گیرد. در این فیلم آموزشی به طبقه بندی Naive Bayes و Classifier General Bayes خواهیم پرداخت. این الگوریتم بسیار جالبی است که باید بررسی شود زیرا به احتمال زیاد پایه ریزی شده است. خواهیم دید که چگونه می توان برای سرعت بخشیدن به محاسبات ، طبقه بندی Bayes را به یک طبقه بندی خطی و درجه دو تبدیل کرد. این دوره بر روی “چگونگی ساختن و درک کردن” تمرکز دارد ، نه فقط “نحوه استفاده”. هر کسی پس از خواندن برخی از مستندات می تواند در مدت 15 دقیقه استفاده از API را بیاموزد. این در مورد “به خاطر سپردن واقعیت ها” نیست ، بلکه در مورد “دیدن خودتان” از طریق آزمایش است. این به شما می آموزد که چگونه اتفاقات داخلی را در مدل تجسم کنید. اگر چیزی بیش از یک نگاه سطحی به مدل های یادگیری ماشین نمی خواهید ، این دوره برای شما مناسب است.- آنچه خواهید آموخت :
- Understand and implement K-Nearest Neighbors in Python
- Understand the limitations of KNN
- User KNN to solve several binary and multiclass classification problems
- Understand and implement Naive Bayes and General Bayes Classifiers in Python
- Understand the limitations of Bayes Classifiers
- Understand and implement a Decision Tree in Python
- Understand and implement the Perceptron in Python
- Understand the limitations of the Perceptron
- Understand hyperparameters and how to apply cross-validation
- Understand the concepts of feature extraction and feature selection
- Understand the pros and cons between classic machine learning methods and deep learning
- Use Sci-Kit Learn
- Implement a machine learning web service
- نیازمندی ها :
- تجربه Python ، Numpy و Pandas
- احتمال و آمار (توزیع گوسی)
- توانایی قوی در نوشتن الگوریتم ها
- این دوره اموزشی برای چه کسانی است :
- دانشجویان و متخصصانی که می خواهند تکنیک های یادگیری ماشین را در مجموعه داده های خود اعمال کنند.
- دانشجویان و متخصصانی که می خواهند از تکنیک های یادگیری ماشین برای مشکلات دنیای واقعی استفاده کنند
- هرکسی که می خواهد الگوریتم های علوم کلاسیک و یادگیری ماشین را بیاموزد
- هر کسی که به دنبال مقدمه ای برای هوش مصنوعی (AI) است
لینک دانلود
لینک های دانلود
رمز فایل فشرده : www.download.ir
رمز کپی شد!
فیلم آموزشی Data Science: Supervised Machine Learning In Python
