مقدمه ای بر یادگیری ماشین

 

یادگیری ماشین بلیط درجه یک برای ورود به شغلهای جذاب در دوران کنون است. با افزایش حجم اطلاعات و توان پردازشی برای پردازش آنها یادگیری ماشین تبدیل به مسیر همواری برای تحلیل داده ها و پیش بینی توسط آنها شده است.

یادگیری ماشین علوم کامپیوتر و آمار را دور هم گرد اورده است تا قدرت پیش بینی را بدست آورد. یادگیری ماشین مهارتی است که تحلیلگران و محققان داده و کسانی که با حجم زیادی از داده برای پیشبینی مواجه هستند، باید داشته باشند.

دوره پیش رویه شما رویه گام به گامی از کنکاشت در داده با رویکرد یادگیری ماشین را به شما آموزش می دهد. این دوره به شما آموزش می دهد چگونه ویژگی مطلوب خود که بهترین اطلاعات را در رابطه با داده می دهد را استخراج کنید. هم چنین برخی از مهمترین الگوریتم های یادگیری ماشین در این دوره مورد بررسی قرار میگیرد.

 

درس اول – Naive Bayes

  1. یادگیری ماشین در ماشین خودران گوگل
  2. آزمون اولیه دسته بندی
  3. راه حل آزمون دسته بندی
  4. ویژگی ها و برچسب ها با مثال موسیقی
  5. تصویر سازی ویژگی
  6. راه حل تصویر سازی ویژگی
  7. دسته بندی به کمک چشم
  8. راه حل دسته بندی با چشم
  9. دسته بندی برای ماشین خودران گوگل
  10. نمودار پراکندگی سرعت در سطوح مختلف
  11. راه حل نمودار پراکندگی سرعت در سطوح مختلف
  12. پیشبینی و سطوح تصمیم گیری با نمودار پراکندگی
  13. سطوح تصمیم گیری خطی
  14. آشنایی با الگوریتم Naive Bayes
  15. قوانین NB و آزمایش سرطان

ادامه دارد..