مدلهای کامل یادگیری ماشین نظارتشده در R
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- یادگیری کامل مدلهای یادگیری ماشین نظارتشده در R
- یادگیری ریاضیات پشت هر مدل یادگیری ماشین
- درک شهودی هر مدل
- یادگیری انتخاب بهترین مدل یادگیری ماشین برای یک مسئله خاص
توضیحات دوره
در این دوره، شما با انواع مدلهای یادگیری ماشین نظارتشده که با زبان برنامهنویسی R پیادهسازی شدهاند، آشنا خواهید شد. ریاضیات پشت هر مدل بسیار حائز اهمیت است. بدون آن، هرگز نمیتوانید به یک دانشمند داده خوب تبدیل شوید. به همین دلیل، مدرس ریاضیات پشت هر مدل را در بخش شهودی آن مدل پوشش داده است.
پیادهسازی در R به گونهای انجام شده است که نه تنها یاد میگیرید چگونه یک مدل خاص را در زبان برنامهنویسی R پیاده سازی کنید، بلکه میآموزید چگونه مدلهای واقعی بسازید و نرخ دقت مدلها را پیدا کنید. بدین ترتیب میتوانید به راحتی مدلهای مختلف را روی یک مسئله خاص آزمایش کنید، نرخهای دقت را بیابید و سپس مدلی را انتخاب کنید که بالاترین نرخ دقت را ارائه میدهد.
بخش داده در آموزش هر مدل یادگیری ماشین بسیار مهم است. اگر دادهها شامل موجودیتهای بیاستفاده باشند، سطح دقت مدل یادگیری ماشین شما کاهش مییابد. در این دوره تکنیکهای بسیاری پوشش داده شده است که چگونه دیتاستهای باکیفیت بسازیم و موجودیتهای بیاستفاده را حذف کنیم تا بتوانیم مدل یادگیری ماشین باکیفیت و قابل اعتمادی به دست آوریم. تمام این موارد در این دوره انجام شده است.
بنابراین، با گذراندن این دوره، شما به تمام انواع مدلهای یادگیری ماشین نظارتشده پیادهسازی شده در زبان برنامهنویسی R احساس تسلط خواهید کرد.
این دوره برای چه کسانی مناسب است؟
- هر کسی که میخواهد مدلهای کامل یادگیری ماشین نظارتشده در R را بیاموزد.
- هر کسی که میخواهد ریاضیات پشت هر مدل یادگیری ماشین را یاد بگیرد.
- هر کسی که میخواهد درک شهودی هر مدل را کسب کند.
- هر کسی که میخواهد انتخاب بهترین مدل یادگیری ماشین برای یک مسئله خاص را بیاموزد.
مدلهای کامل یادگیری ماشین نظارتشده در R
-
مقدمهای بر دوره 01:03
-
یادگیری ماشین (Machine Learning) چیست 02:39
-
راهاندازی محیط توسعه (IDE) 06:41
-
آمار رگرسیون خطی ساده 1 09:36
-
آمار رگرسیون خطی ساده 2 05:55
-
آمار رگرسیون خطی ساده 3 20:40
-
دیتاستها برای رگرسیون خطی ساده 00:59
-
رگرسیون خطی ساده در R بخش 1 08:30
-
رگرسیون خطی ساده در R بخش 2 07:19
-
رگرسیون خطی ساده در R بخش 3 09:49
-
رگرسیون خطی ساده در R بخش 4 02:44
-
رگرسیون خطی ساده در R بخش 5 05:12
-
رگرسیون خطی ساده در R بخش 6 18:15
-
آمار رگرسیون خطی چندگانه 1 09:22
-
آمار رگرسیون خطی چندگانه 2 05:50
-
آمار رگرسیون خطی چندگانه 3 10:37
-
آمار رگرسیون خطی چندگانه 4 13:30
-
آمار رگرسیون خطی چندگانه 5 07:21
-
آمار رگرسیون خطی چندگانه 6 08:57
-
دیتاستها برای مدل رگرسیون خطی چندگانه 01:08
-
رگرسیون خطی چندگانه در R بخش 1 02:42
-
رگرسیون خطی چندگانه در R بخش 2 08:58
-
رگرسیون خطی چندگانه در R بخش 3 05:11
-
رگرسیون خطی چندگانه در R بخش 4 01:29
-
رگرسیون خطی چندگانه در R بخش 5 05:19
-
رگرسیون خطی چندگانه در R بخش 6 06:18
-
رگرسیون خطی چندگانه در R بخش 7 10:52
-
آمار رگرسیون چندجملهای 07:11
-
رگرسیون چندجملهای در R بخش 1 03:12
-
رگرسیون چندجملهای در R بخش 2 09:53
-
رگرسیون چندجملهای در R بخش 3 05:12
-
رگرسیون چندجملهای در R بخش 4 06:22
-
رگرسیون چندجملهای در R بخش 5 07:07
-
آمار رگرسیون Ridge 1 04:51
-
آمار رگرسیون Ridge 2 11:17
-
دیتاستها برای مدل رگرسیون Ridge 00:47
-
رگرسیون Ridge در R بخش 1 17:10
-
رگرسیون Ridge در R بخش 2 25:57
-
رگرسیون Ridge در R بخش 3 04:11
-
رگرسیون Ridge در R بخش 4 07:31
-
آمار رگرسیون Lasso 08:56
-
دیتاست مدل رگرسیون Lasso 00:47
-
رگرسیون Lasso در R بخش 1 14:23
-
رگرسیون Lasso در R بخش 2 19:47
-
رگرسیون Lasso در R بخش 3 04:35
-
رگرسیون Lasso در R بخش 4 07:19
-
آمار رگرسیون Elastic Net 02:33
-
دیتاست مدل رگرسیون Elastic Net 00:47
-
رگرسیون Elastic Net در R بخش 1 16:21
-
رگرسیون Elastic Net در R بخش 2 21:35
-
رگرسیون Elastic Net در R بخش 3 05:14
-
رگرسیون Elastic Net در R بخش 4 07:26
-
آمار رگرسیون درخت تصمیم گیری 06:53
-
دیتاست شماره 2 برای مدل رگرسیون درخت تصمیم گیری 01:08
-
رگرسیون درخت تصمیم گیری در R بخش 1 08:22
-
رگرسیون درخت تصمیم گیری در R بخش 2 04:27
-
رگرسیون درخت تصمیم گیری در R بخش 3 07:23
-
رگرسیون درخت تصمیم گیری در R بخش 4 04:58
-
رگرسیون درخت تصمیم گیری در R بخش 5 14:02
-
آمار رگرسیون جنگل تصادفی 09:47
-
دیتاست شماره 2 برای مدل رگرسیون جنگل تصادفی 01:08
-
رگرسیون جنگل تصادفی در R بخش 1 07:06
-
رگرسیون جنگل تصادفی در R بخش 2 04:08
-
رگرسیون جنگل تصادفی در R بخش 3 08:07
-
رگرسیون جنگل تصادفی در R بخش 4 04:54
-
رگرسیون جنگل تصادفی در R بخش 5 13:42
-
دیتاست شماره 2 برای SVM 01:08
-
رگرسیون بردار پشتیبان در R بخش 1 07:07
-
رگرسیون بردار پشتیبان در R بخش 2 07:32
-
رگرسیون بردار پشتیبان در R بخش 3 04:57
-
رگرسیون بردار پشتیبان در R بخش 4 06:39
-
ماتریس ابهام 07:05
-
ماتریس پراکنده 03:36
-
دیتاستها برای مدلهای طبقهبندی 01:24
-
آمار رگرسیون لجستیک 12:23
-
رگرسیون لجستیک در R بخش 1 03:18
-
رگرسیون لجستیک در R بخش 2 08:48
-
رگرسیون لجستیک در R بخش 3 03:18
-
رگرسیون لجستیک در R بخش 4 03:56
-
رگرسیون لجستیک در R بخش 5 16:22
-
رگرسیون لجستیک در R بخش 6 15:28
-
آمار طبقهبندی بردار پشتیبان 08:11
-
طبقهبندی بردار پشتیبان در R بخش 1 11:12
-
طبقهبندی بردار پشتیبان در R بخش 2 02:33
-
طبقهبندی بردار پشتیبان در R بخش 3 08:00
-
آمار K نزدیکترین همسایه 06:04
-
K نزدیکترین همسایه در R بخش 1 15:52
-
K نزدیکترین همسایه در R بخش 2 05:01
-
آمار طبقهبندی نایو بیز 1 08:51
-
آمار طبقهبندی نایو بیز 2 10:07
-
طبقهبندی نایو بیز در R بخش 1 10:04
-
طبقهبندی نایو بیز در R بخش 2 02:31
-
طبقهبندی نایو بیز در R بخش 3 12:17
-
طبقهبندی نایو بیز در R بخش 4 13:59
-
آمار طبقهبندی درخت تصمیم گیری 1 08:22
-
آمار طبقهبندی درخت تصمیم گیری 2 11:43
-
طبقهبندی درخت تصمیم گیری در R بخش 1 09:42
-
طبقهبندی درخت تصمیم گیری در R بخش 2 04:27
-
طبقهبندی درخت تصمیم گیری در R بخش 3 02:38
-
طبقهبندی درخت تصمیم گیری در R بخش 4 12:20
-
طبقهبندی درخت تصمیم گیری در R بخش 5 16:37
-
آمار طبقهبندی جنگل تصادفی 10:40
-
طبقهبندی جنگل تصادفی در R بخش 1 14:06
-
طبقهبندی جنگل تصادفی در R بخش 2 02:17
-
طبقهبندی جنگل تصادفی در R بخش 3 08:33
مشخصات آموزش
مدلهای کامل یادگیری ماشین نظارتشده در R
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:متخصص
- تعداد درس:105
- مدت زمان :13:53:33
- حجم :7.11GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy