شما با یادگیری نحوه استفاده از سینتکس scikit-learn شروع خواهید کرد. شما تفاوت بین مدل های تحت نظارت و بدون نظارت و همچنین اهمیت انتخاب الگوریتم مناسب برای هر مجموعه داده را مطالعه خواهید کرد. شما از الگوریتم خوشه بندی بدون نظارت بیش از ۱۹۹۰ داده های سرشماری ایالات متحده را برای شناسایی الگوها و پروفایل ها و بررسی پروسه ای برای حل یک مشکل یادگیری ماشینی تحت نظارت استفاده می کنید. سپس، تمرکز این دوره به الگوریتم های یادگیری تحت نظارت منتقل می شود.
شما در این دوره یاد خواهید گرفت که الگوریتم های تحت نظارت مختلف را اجرا کنید و ساختارهای شبکه عصبی را با استفاده از بسته scikit-learn یاد بگیرید. شما همچنین می توانید نحوه انجام تجزیه و تحلیل نتایج منسجم را برای بهبود عملکرد الگوریتم با تنظیم hyperparameters یاد بگیرید.
در پایان این دوره به شما مهارت برنامه ریزی الگوریتم های یادگیری ماشین را می دهد.
Machine Learning Fundamentals Author:Hyatt Saleh Duration:3 hour 18 minutes
You’ll begin by learning how to use the syntax of scikit-learn. You’ll study the difference between supervised and unsupervised models, as well as the importance of choosing the appropriate algorithm for each dataset. You’ll apply unsupervised clustering algorithm over 1990 US Census dataset, to discover patterns and profiles, and explore the process to solve a supervised machine learning problem. Then, the focus of the course shifts to supervised learning algorithms. You’ll learn to implement different supervised algorithms and develop neural network structures using the scikit-learn package. You’ll also learn how to perform coherent result analysis to improve performance of the algorithm by tuning hyperparameters. When it finishes, this course would have given you the skills and confidence to start programming machine learning algorithms.
مطالب پیشنهادی
