از یادگیری تا ورود به بازار کار

طبقه‌بندی و رگرسیون

اطلاعات سرفصل آموزشی

110 دانشجو

20 جلسه

0 پرسش و پاسخ

890,000 تومان

مدرس

مسعود کاویانی

لیست جلسات

طبقه بندی مجموعه داده‌ی MNIST بخش مقدماتی 47:04

معرفی الگوریتم SVM و استفاده از آن در داده کاوی 42:24

معیارهای Accuarcy، Precision، Recall و F1 برای ارزیابی دقت، صحت و پوشش یک الگوریتم طبقه بندی 44:44

الگوریتم KNN (نزدیک‌ترین همسایه) در طبقه بندی 34:07

الگوریتم درخت تصمیم و مجموعه‌ی داده‌ی گل‌های زنبق (قسمت اول) 28:19

الگوریتم درخت تصمیم و مجموعه‌ی داده‌ی گل‌های زنبق (قسمت دوم) 32:27

ناخالصی جینی (Gini Impurity) و بهره اطلاعاتی (Information Gain) 31:57

بررسی مفهوم bias و variance در طبقه بندی 42:07

الگوریتم جنگل تصادفی (Random Forest) 26:12

الگوریتم Adaboost 32:10

نگاهی دقیق‌تر به پارامترهای الگوریتم SVM (قسمت اول) 30:16

نگاهی دقیق‌تر به پارامترهای الگوریتم SVM (قسمت دوم) 23:17

نگاهی دقیق‌تر به پارامترهای الگوریتم RandomForest 31:55

نگاهی دقیق‌تر به پارامترهای الگوریتم KNN 35:17

متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت اول 27:41

متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت دوم 12:51

متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت سوم 29:20

متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت چهارم 31:11

متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت پنجم 21:02

متن کاوی (Text Mining) و پردازش زبان طبیعی (NLP) - قسمت ششم 32:03

توضیحات

آشنایی با الگوریتم‌ها مختلف