یادگیری ماشین کاربردی: یادگیری نظارت شده

مدرس Matt Harrison

انتشار 2025/07/25

مدت زمان 2h 26m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Applied Machine Learning: Supervised Learning

در این دوره ، مت هریسون-یک مربی شرکتی پایتون و علوم داده ، نویسنده ، سخنران ، مشاور و مشاور-به شما نشان می دهد که چگونه می توانید از تکنیک های یادگیری نظارت شده برای مشکلات دنیای واقعی استفاده کنید ، با تمرکز بر هر دو طبقه بندی و رگرسیون. با مدلهای اساسی مانند رگرسیون خطی شروع کنید و سپس به الگوریتم های پیچیده تری مانند درختان تصمیم گیری و XGBOOST بروید. به علاوه ، تکنیک های ارزیابی ، بهینه سازی و استقرار مدل را کاوش کنید. با چالش ها و راه حل های عملی ، این دوره شما را برای استفاده از یادگیری نظارت شده برای حل مشکلات در صنایعی مانند مراقبت های بهداشتی ، امور مالی و املاک و مستغلات آماده می کند.

Artificial Intelligence (AI) Supervised Learning

Introduction

A look at supervised learning ()

What you should know ()

How to use Codespaces ()

1. Introduction to Supervised Learning

What is supervised learning? ()

Data: Features, labels, training sets ()

Metrics for classification and regression ()

2. Linear Regression

What is linear regression? ()

Implementing linear regression in Python ()

Evaluating linear regression ()

Challenge: Evaluate linear regression ()

Solution: Evaluate linear regression ()

3. Classification Algorithms

What is classification? ()

Logistic regression ()

K-nearest neighbors ()

Decision trees ()

Challenge: A classification model ()

Solution: A classification model ()

4. Overfitting and Underfitting

Understanding overfitting and underfitting ()

Decision stumps ()

Overfitting ()

Cross-validation and Goldilocks ()

Challenge: Goldilocks model ()

Solution: Goldilocks model ()

5. Additional Techniques

Ensembles: Bagging and boosting ()

Tuning hyperparameters ()

Explaining simple models ()

SHAP (SHapley Additive exPlanations) ()

Challenge: XGBoost model ()

Solution: XGBoost model ()

6. Deployment

Deploying with Flask ()

Querying the model ()

Challenge: Deployment ()

Solution: Deployment ()

Conclusion

Next steps in your machine learning journey ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.