پیشنهاد فرادرس

آموزش پروژه های دنیای واقعی یادگیری ماشینی با Scikit-Learn

دسته بندی ها: آموزش پایتون (Python) ، آموزش های Packtpub ، هوش مصنوعی ، یادگیری ماشینی (Machine Learning)

Scikit-Learn یکی از قدرتمندترین کتابخانه های پایتون است که مسائل دنیای واقعی را در زمینه های بهداشت، تجزیه و تحلیل جمعیت و شناخت رفتار خرید و موارد دیگر را حل می کند. در این دوره شما پروژه های قدرتمند را با استفاده از Scikit-Learn خواهید ساخت. با استفاده از الگوریتم، شما یاد خواهید گرفت که تمایلات بازار را برای پاسخگویی به تقاضای بازار بخوانید. همچنین با استفاده از الگوریتم های طبقه بندی، استفاده از خوشه بندی K-Means، استفاده از Support Vector Machine classifiers برای  پیش بینی بیماری قلبی، استفاده از الگوریتم های Scikit-Learn و Machine Learning آشنا می شوید.

سرفصل:

  • معرفی دوره
  • بررسی مجموعه داده ها و شناسایی مشکل
  • رگرسیون خطی چندگانه
  • پیاده سازی راه حل
  • ارزیابی و بهبود مدل
  • تجزیه و تحلیل نتایج
  • استفاده از درختان رگرسیون
  • درختان تصمیم گیری و جنگل تصادفی
  • تحلیل ویژگی ها و مهندسی
  • پیاده سازی راه حل
  • نتایج را تجزیه و تحلیل کنید
  • پیش بینی های بیماری قلبی با ماشین های بردار پشتیبانی
  • بررسی مجموعه داده ها و شناسایی مشکل
  • پشتیبانی از ماشین های بردار
  • پیش بینی پوکر با خوشه بندی K-Means
  • K-Means Clustering
  • درک رفتار خرید با استفاده از خوشه بندی سلسله مراتبی
  • و غیره
به این نوشته امتیاز دهید 1 2 3 4 5 بدون امتیاز
Real-World Machine Learning Projects with Scikit-Learn [Video] Publisher:Packtpub Author:Nikola Živković Duration:2 hours 34 minutes

Predict heart disease, customer-buying behaviors, and much more in this course filled with real-world projects
Scikit-Learn is one of the most powerful Python Libraries with has a clean API, and is robust, fast and easy to use. It solves real-world problems in the areas of health, population analysis, and figuring out buying behavior, and more.
In this course you will build powerful projects using Scikit-Learn. Using algorithms, you will learn to read trends in the market to address market demand. You'll delve more deeply to decode buying behavior using Classification algorithms; cluster the population of a place to gain insights into using K-Means Clustering; and create a model using Support Vector Machine classifiers to predict heart disease.
By the end of the course you will be adept at working on professional projects using Scikit-Learn and Machine Learning algorithms.
The code bundle for this video course is available at - https://github.com/PacktPublishing/Real-World-Machine-Learning-Projects-...
Style and Approach
The course takes the approach of firstly defining the problem and then giving you the solution, along with the steps to solve it practically by using Python using Scikit-Learn. You will build examples from scratch, progressing from simpler problems to complicated ones
Released: Friday, August 31, 2018
Predicting the Wine Quality Using Multiple Linear Regression
The Course Overview
Exploring the Dataset and Identifying the Problem
Multiple Linear Regression
Implementing the Solution
Evaluating and Improving the Model
Analyzing the Results
Bike Sharing Demand Prediction Using Regression Trees
Exploring the Dataset and Identifying the Problem
Decision Trees and Random Forest
Feature Analysis and Engineering
Implementing the Solution
Analyze the Results
Heart Disease Predictions with Support Vector Machines
Exploring the Dataset and Identifying the Problem
Support Vector Machines
Feature Analysis and Engineering
Implementing the Solution
Analyze the Results
Poker Hand Predictions with K-Means Clustering
Exploring the Dataset and Identifying the Problem
K-Means Clustering
Feature Analysis and Engineering
Implementing the Solution
Analyze the Results
Understanding Buying Behavior Using Hierarchical Clustering
Exploring the Dataset and Identifying the Problem
Hierarchical Clustering
Feature Analysis and Engineering
Implementing the Solution
Analyze the Results

پیشنهاد فرادرس