چگونه درباره الگوریتمهای یادگیری ماشین فکر کنیم؟
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
یادگیری ماشین پشت برخی از جذابترین نوآوریهای فناوری امروز قرار دارد. برخلاف تصورات عمومی، شما نیازی ندارید که یک نابغه ریاضی باشید تا بتوانید یادگیری ماشین را با موفقیت بهکار ببندید. به عنوان یک دانشمند داده که با هر مشکل واقعی مواجه میشود، ابتدا باید اینکه یادگیری ماشین میتواند راهحل مناسبی ارائه دهد یا خیر را تعیین کنید. در این دوره، چگونه درباره الگوریتمهای یادگیری ماشین فکر کنیم، شما یاد میگیرید چگونه این موقعیتها را شناسایی کنید.
ابتدا، یاد خواهید گرفت چگونه تعیین کنید کدام یک از چهار رویکرد اولیه، دستهبندی، رگرسیون، خوشهبندی یا توصیه، را برای حل مشکلتان انتخاب کنید. سپس، یاد خواهید گرفت چگونه شرح مسئله، ویژگیها و برچسبها را راهاندازی کنید. در نهایت، یک الگوریتم استاندارد را برای حل مشکل انتخاب خواهید کرد. در پایان این دوره، شما مهارتها و دانش مورد نیاز برای شناسایی یک فرصت برای کاربرد یادگیری ماشین و بهرهبرداری از آن را خواهید داشت.
چگونه درباره الگوریتمهای یادگیری ماشین فکر کنیم؟
-
بررسی دوره 0:02:00
-
شناسایی کاربردهای یادگیری ماشین 0:06:00
-
بدانید چه زمانی از یادگیری ماشین استفاده کنید 0:05:00
-
درک فرآیند یادگیری ماشین 0:05:00
-
شناسایی نوع مشکل یادگیری ماشین 0:09:00
-
درک راهاندازی یک مشکل دستهبندی 0:08:00
-
تشخیص جنسیت یک کاربر 0:04:00
-
دستهبندی متن بر اساس احساسات 0:05:00
-
تصمیمگیری درباره استراتژی معاملاتی 0:03:00
-
تشخیص تبلیغات 0:03:00
-
درک رفتار مشتری 0:05:00
-
استفاده از الگوریتم بیز ساده برای تحلیل احساسات 0:07:00
-
درک کنید چه زمانی از بیز ساده استفاده کنید 0:02:00
-
پیادهسازی بیز ساده 0:08:00
-
تشخیص تبلیغات با ماشینهای بردار پشتیبان 0:05:00
-
پیادهسازی ماشینهای بردار پشتیبان 0:09:00
-
درک راهاندازی رگرسیون 0:03:00
-
پیشبینی تقاضا 0:02:00
-
پیشبینی بازدههای سهام 0:03:00
-
تشخیص ویژگیهای چهره 0:02:00
-
تضاد دستهبندی و رگرسیون 0:06:00
-
آشنایی با رگرسیون خطی 0:04:00
-
اعمال رگرسیون خطی در معاملات کمی 0:04:00
-
کاهش خطا با گرادیان کاهشی تصادفی 0:05:00
-
یافتن بتا برای گوگل 0:04:00
-
پیادهسازی رگرسیون خطی در پایتون 0:03:00
-
قدردانی از نقش توصیهها 0:05:00
-
پیشبینی امتیازها با فیلترینگ مشارکتی 0:07:00
-
یافتن عوامل پنهان موثر بر امتیازدهی 0:08:00
-
درک الگوریتم حداقل مربعات جایگزین 0:04:00
-
پیادهسازی ALS برای یافتن توصیههای فیلم 0:03:00
-
درک راهاندازی خوشهبندی 0:06:00
-
تضاد خوشهبندی و دستهبندی 0:08:00
-
خوشهبندی سند با K-Means 0:06:00
-
پیادهسازی خوشهبندی K-Means 0:05:00
-
بررسی تکنیکهای یادگیری ماشین 0:07:00
-
نگاهی به آینده 0:06:00
مشخصات آموزش
چگونه درباره الگوریتمهای یادگیری ماشین فکر کنیم؟
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:مقدماتی
- تعداد درس:37
- مدت زمان :3:08:54
- حجم :374.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 01:39:55
- تعداد درس: 6
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:47:39
- تعداد درس: 30
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 03:48:11
- تعداد درس: 47
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 54:55
- تعداد درس: 18
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:33:59
- تعداد درس: 86
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 23:25:23
- تعداد درس: 78
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 01:08:59
- تعداد درس: 8
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 12:44:39
- تعداد درس: 121
-
سطح دوره:
-
زبان: دوبله فارسی