یادگیری ماشین در Tidyverse

به Tidyverse خوش آمدید! در این دوره، شما به مسیر یادگیری Tidyverse ادامه خواهید داد و دانش خود را در مفاهیم یادگیری ماشین به کار خواهید گرفت.

این دوره برای کسانی که به دنبال یکپارچه‌سازی ابزارهای Tidyverse در R با گردش‌کارهای یادگیری ماشین خود هستند، ایده‌آل است.

ارزیابی مدل‌های یادگیری ماشین

در طول این دوره، شما بر استفاده از ابزارهای Tidyverse در R برای ساخت، بررسی و ارزیابی کارآمد مدل‌های یادگیری ماشین تمرکز خواهید کرد.

دوره با معرفی گردش کار ستون لیست (LCW)، روشی برای مدیریت چندین مدل درون یک قاب داده واحد آغاز می‌شود. همچنین استفاده از پکیج broom برای مرتب‌سازی و بررسی خروجی‌های مدل پوشش داده می‌شود تا نتایج پیچیده، تفسیرپذیرتر گردند.

استفاده از tidyr و purrr

تمرینات عملی، از جمله ساخت و ارزیابی مدل‌های رگرسیون و طبقه‌بندی را انجام دهید. تکنیک‌های تنظیم ابرپارامترها را برای بهینه‌سازی عملکرد مدل بررسی کنید.

شما از پکیج‌هایی مانند tidyr و purrr برای مدیریت دستکاری‌های پیچیده داده و ارزیابی مدل‌ها استفاده خواهید کرد تا از رویکردی مرتب و سیستماتیک به یادگیری ماشین اطمینان حاصل نمایید.

کسب کاربرد در دنیای واقعی

مثال‌های دنیای واقعی را از طریق چندین مطالعه موردی، مانند استفاده از مجموعه داده gapminder برای پیش‌بینی امید به زندگی با مدل‌های خطی بررسی کنید.

در پایان دوره، شما اصول محکم در اعمال اصول Tidyverse به یادگیری ماشین خواهید داشت که به شما امکان می‌دهد مدل‌ها را به شکلی مرتب، قابل تولید مجدد و کارآمد بسازید، تنظیم کنید و ارزیابی نمایید.