دوره آموزشی
دوبله زبان فارسی
یادگیری ماشین کاربردی: الگوریتمها
✅ سرفصل و جزئیات آموزش
با توجه به اهمیت روزافزون یادگیری ماشین در تقریباً هر حوزه، متخصصان نیاز دارند تا درک عمیقتری و رویکردی عملی برای پیادهسازی مؤثر الگوریتمهای یادگیری ماشین داشته باشند.
این دوره به بررسی الگوریتمهای یادگیری ماشین پرکاربرد میپردازد. مدرس مت هریسون بر روی الگوریتمهای غیر عمیق تمرکز دارد و الگوریتمهای PCA، خوشهبندی، رگرسیون خطی و منطقی، درختهای تصمیم گیری، جنگلهای تصادفی و تقویت گرادیان را پوشش میدهد.
به مت بپیوندید تا با الگوریتمهای رایج یادگیری ماشین آشنا شوید، مزایا و معایب آنها را یاد بگیرید و مهارتهای عملی برای استفاده از آنها را از طریق چالشها و راهحلها در GitHub Codespaces توسعه دهید.
یادگیری ماشین کاربردی: الگوریتمها
-
یادگیری ماشین کاربردی: الگوریتمها 0:00:49
-
آنچه باید بدانید 0:01:04
-
K-means 0:07:46
-
ارزیابی K 0:08:10
-
درک خوشهها 0:07:59
-
سایر الگوریتمها 0:02:44
-
چالش: استفاده از KNN 0:00:54
-
راهحل: استفاده از KNN 0:07:24
-
PCA 0:03:38
-
ساختار کامپوننت ها 0:04:08
-
اجزا 0:05:23
-
نمودار پراکندگی 0:02:18
-
سایر الگوریتمها 0:04:00
-
چالش: استفاده از PCA 0:00:34
-
راهحل: استفاده از PCA 0:04:24
-
الگوریتم رگرسیون خطی 0:04:34
-
scikit-learn 0:04:18
-
مثال دنیای واقعی 0:06:14
-
فرضیات 0:06:04
-
چالش: توسعه یک مدل رگرسیون خطی 0:00:34
-
راهحل: توسعه یک مدل رگرسیون خطی 0:02:07
-
الگوریتم رگرسیون منطقی 0:01:19
-
مثال پایه 0:01:49
-
فرضیات 0:04:07
-
چالش: ساخت یک مدل رگرسیون منطقی 0:00:12
-
راهحل: ساخت یک مدل رگرسیون منطقی 0:04:50
-
الگوریتم درخت تصمیم گیری 0:04:12
-
مثال دنیای واقعی 0:06:28
-
جنگل تصادفی و XGBoost 0:04:09
-
چالش: طراحی یک مدل درخت تصمیم گیری 0:00:25
-
راهحل: طراحی یک مدل درخت تصمیم گیری 0:04:00
-
گام های بعدی 0:01:26
مشخصات آموزش
یادگیری ماشین کاربردی: الگوریتمها
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:32
- مدت زمان :1:58:03
- حجم :267.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy