مطالب پیشنهادی از سراسر وب

درک یادگیری ماشینی با پایتون

دسته بندی ها: آموزش یادگیری ماشینی (Machine Learning) ، آموزش هوش مصنوعی (AI) ، آموزش های پلورال سایت (Pluralsight) ، آموزش پایتون (Python)

سلام! اسم من Jerry Kurata است، به این دوره خوش آمدید. شما در این دوره درکی از نحوه انجام یادگیری ماشینی با پایتون به دست خواهید آورد. شما با پوشش مباحث اصلی مانند چگونگی قالب بندی مشکل خود برای حل شدن، چگونگی آماده سازی داده های خود برای استفاده در یک پیش بینی و نحوه ترکیب این داده ها با الگوریتم ها برای ایجاد مدل هایی که می توانند آینده را پیش بینی کنند، به آنجا خواهید رسید.
در پایان این دوره، شما می توانید از پایتون و کتابخانه scikit-learn برای ایجاد راهکارهای یادگیری ماشینی استفاده کنید و خواهید فهمید که چگونه راهکارهای ایجاد شده خود را ارزیابی کرده و بهبود بخشید.
قبل از شروع، مطمئن شوید که از قبل با توسعه نرم افزار و مبانی آمار آشنا هستید. با این حال، لازم نیست که تجربه نرم افزار شما در پایتون باشد، زیرا در این دوره اصول را یاد خواهید گرفت. هنگامی که از پایتون همراه با scikit-learn استفاده می کنید، خواهید فهمید که چرا این محیط توسعه ترجیحی برای بسیاری از شاغلان یادگیری ماشینی است.
شما با استفاده از محیط Jupyter Notebook تمام دموها را انجام خواهید داد. این محیط کد زنده را با متن داستانی ترکیب می کند تا سندی ایجاد شود که می تواند به عنوان یک صفحه وب اجرا و ارائه شود.
امیدوارم که به من بپیوندید و من مشتاقانه منتظر کمک به شما در سفر یادگیریتان هستم.

بررسی دوره

درک گردش کار یادگیری ماشینی

پرسش سوال صحیح

فایل های تمرین exercise_files.zip
آیا این نوشته را دوست داشتید؟
Pluralsight Understanding Machine Learning with Python Author:Jerry Kurata Duration:1:53:59 Level:Beginner

Hello! My name is Jerry Kurata, and welcome to Understanding Machine Learning with Python. In this course, you will gain an understanding of how to perform Machine Learning with Python. You will get there by covering major topics like how to format your problem to be solvable, how to prepare your data for use in a prediction, and how to combine that data with algorithms to create models that can predict the future.
By the end of this course, you will be able to use Python and the scikit-learn library to create Machine Learning solutions. And you will understand how to evaluate and improve the performance of the solutions you create.
Before you begin, make sure you are already familiar with software development and basic statistics. However, your software experience does not have to be in Python, since you will learn the basics in this course. When you use Python together with scikit-learn, you will see why this is the preferred development environment for many Machine Learning practitioners.
You will do all the demos using the Jupyter Notebook environment. This environment combines live code with narrative text to create a document with can be executed and presented as a web page.
I hope you’ll join me, and I look forward to helping you on your learning journey here at Pluralsight.

پیشنهاد آموزش مرتبط در فرادرس