Sokan Academy

یادگیری ماشین مبتنی بر درخت با پایتون

در این دوره، از مفاهیم پایه درخت‌های تصمیم شروع می‌کنید و کم‌کم با روش‌های پیشرفته‌ی یادگیری جمعی آشنا می‌شوید. در ادامه، مهارت‌های لازم برای ساخت، تنظیم و بهینه‌سازی مدل‌های درختی روی داده‌های واقعی را به‌صورت عملی یاد می‌گیرید.

یادگیری ماشین مبتنی بر درخت با پایتون
4 ساعتآموزشویدیویی
574 هزار

در پایان این دوره می‌توانید


  • به مهارت عملی در ساخت درخت‌های دسته‌بندی و رگرسیون دست یابید و نحوه تقسیم داده و انجام پیش‌بینی را به‌خوبی درک کنید.
  • بر تشخیص بیش‌برازش و کم‌برازشی و اطمینان از این که مدل شما نه خیلی ساده و نه بیش‌ازحد پیچیده است، مسلط شوید.
  • چندین مدل را با هم ترکیب کنید تا با روش‌هایی مانند بگینگ و جنگل تصادفی عملکرد را ارتقا دهید و خطا را کاهش دهید.
  • از تکنیک‌های پیشرفته‌ای مانند AdaBoost و Gradient Boosting برای مدل‌های بسیار دقیق استفاده کنید.
  • با جستجوی شبکه‌ای (Grid Search) فراپارامترهای مدل‌های مبتنی بر درخت را بهینه‌سازی کنید و به حداکثر دقت ممکن برسید.
  • اهمیت ویژگی‌ها را تحلیل کنید، مرزهای تصمیم را تفسیر کنید و پیش‌بینی‌های مدل را توضیح دهید.

معرفی


این دوره، با هدف آموزش مدل‌های یادگیری ماشین مبتنی بر درخت به کمک تمرین‌ها و مجموعه داده‌های واقعی طراحی شده است.

در این دوره، علاوه بر آموزش نحوه کار درخت‌های تصمیم، چگونگی بهبود آن‌ها با استفاده از تکنیک‌های جمعی مانند بگینگ، جنگل تصادفی و بوستینگ به طور کامل، آموزش شده است.

در این دوره، دو پروژه عملی نیز پیاده‌سازی می‌شود:

  • استفاده از مدل های درختی برای تشخیص سرطان سینه و بهبود مدل با کمک یادگیری تجمیعی  - در حین آموزش مفاهیم 
  • استفاده از مدل های درختی برای پیش بینی میزان مصرف سوخت خودرو و بهبود مدل با کمک یادگیری تجمیعی  - در حین حل تمارین 

بنابراین در پایان دوره، نه‌تنها بر مدل‌های مبتنی بر درخت مسلط خواهید شد، بلکه می‌توانید آن‌ها را به شکل مؤثری در پروژه‌های دنیای واقعی به کار ببرید.

سرفصل‌ها


5 سرفصل | 29 قسمت

پیش‌نیازها


مدرس


گواهینامه سکان آکادمی


شما پس از تکمیل دوره و قبولی در آزمون پایانی، مدرک اختصاصی سکان آکادمی برای دوره "یادگیری ماشین مبتنی بر درخت با پایتون" را بدست می‌آورید.

گواهی‌نامه‌ی آموزشی

گواهی‌نامه‌ی آموزشی

Sokan Academy
Course Completion Certificate
Machine Learning with Tree-Based Models in Python
Skills: Decision tree modeling , Regression trees , Model evaluation , Ensemble methods , Random Forests , Feature importance analysis , Boosting , Model tuning , Hyperparameters tuning , Grid Search Cross Validation
گواهینامه معتبر به دو زبان فارسی و انگلیسی

سوالات متداول


  • علاقه‌مندان به علم داده که می‌خواهند مهارت‌های یادگیری ماشین خود را تقویت کنند.
  • متخصصان که به دنبال گسترش دانش خود در درخت‌های تصمیم و یادگیری جمعی هستند.
  • دانشجویان و پژوهشگران که روی مدل‌های پیش‌بینی کار می‌کنند و به دنبال مهارت‌های بیشتر در این زمینه‌اند.

  • scikit-learn: برای آموزش درخت‌های تصمیم، بگینگ و مدل‌های بوستینگ.
  • NumPy و Pandas: برای مدیریت و پردازش داده‌ها.
  • Matplotlib و Seaborn: برای مصورسازی درخت‌های تصمیم و اهمیت ویژگی‌ها.

تمامی این کتابخانه‌ها را می‌توانید از سایت سکان آکادمی آموزش ببینید.
 

ویدیوهای آموزشی: که قدم‌به‌قدم شما را راهنمایی می‌کند. 
نوت‌بوک‌های کدنویسی: تا بتوانید آنچه را یاد می‌گیرید تمرین کنید. 
مجموعه‌داده‌های واقعی: برای کار روی مسائل عملی.
پروژه‌های عملی: تا مهارت‌های خود را تثبیت کرده و یک نمونه‌کار قوی بسازید.
 

آخرین گفت‌و‌گو‌های دوره


کاربر میهمان

شما به عنوان کاربر میهمان در سایت سکان آکادمی حضور دارید لطفاً برای ارسال دیدگاه ابتدا وارد حساب خود شوید.

یادگیری ماشین مبتنی بر درخت با پایتون-colorful

یادگیری ماشین مبتنی بر درخت با پایتون

4 ساعتآموزشویدیویی
گواهینامه معتبر
574 هزار
sokan-academy-footer-logo
کلیه حقوق مادی و معنوی این وب‌سایت متعلق به سکان آکادمی می باشد.