توضیح مقدماتی برای دوره ماشین‌لرنینگ با استفاده از sci-kit learn و tensorflow

در این قسمت مفاهیم ابتدایی یادگیری ماشین،مثل انواع مدل‌های یادگیری و فرایند ساخت یک مدل یادگیری ماشین معرفی می‌شوند

Companion to ML Course in . Contribute to ghodsizadeh/learn_ml_with_mehdi development by creating an account on GitHub.

محتوای این قسمت پیاده‌سازی یک الگوریتم ماشین‌لرنینگ در پایتون، آشنایی با نرخ یادگیری و مرور کوتاه الگوریتم gradiant decent

در این قسمت با API کتابخانه scikitlearn آشنا می‌شیم و سعی می‌کنیم به مدل‌‌های معروف یادگیری ماشین مثل رگرسیون لاجستیک را بهتر بشناسیم

در این قسمت با پردازش داده‌ها و اصلاح اون‌ها داده‌ها را برای یادگیری ماشین آماده می‌کنیم

در این قسمت در مورد پردازش داده‌ها قبل از ورود به داده‌ها به الگوریتم صحبت می‌کنیم.

تعامل با مقادیر گمشده یا missing values و همینطور داده‌های دسته‌بندی که به صورت ترتیبی یا اسمی در داده‌ها وجود دارند را به صورت دقیق‌تر بررسی می‌کنیم.


برای پیگیری بیشتر…

در این ویدیو در مورد ماشین لرنینگ صحبت میکنم.
دسته‌بندی‌های یادگیری ماشین لرنینگ مثل یادگیری باناظر و بدون ناظرو reinforcement learning را معرفی می‌کنم
در مورد کلیدواژه‌های رایج می‌گیم و در نهایت نقشه راه یادگیری ماشینی را با هم مرور می‌کنیم.