دوره

تنظیم هایپرپارامتر در پایتون

تکنیک‌هایی برای تنظیم خودکار هایپرپارامتر در پایتون، از جمله جستجوی شبکه‌ای، تصادفی و آگاهانه رو یاد بگیرید.

پیشرفته
تاریخ به‌روزرسانی:
2 آبان 1405
۴٫۸
پایتون
۴ ساعت
۱۳ ویدیو
۳۱ تمرین
۵۰۳ شرکت‌کننده
۳۴۰
کاربرهای فینکا در چه شرکت‌هایی مشغول به کار هستند؟
توضیحات دوره
ساخت مدل‌های قدرتمند یادگیری ماشین به‌شدت به مجموعه هایپرپارامترهای استفاده‌شده بستگی داره. اما با وجود مدل‌های روزبه‌روز پیچیده‌تر که گزینه‌های زیادی دارن، چطور می‌تونید به‌طور کارآمد بهترین تنظیمات رو برای مسئله خاص خودتون پیدا کنید؟ در این دوره، تجربه عملی استفاده از بعضی روش‌های رایج برای تنظیم خودکار هایپرپارامتر در پایتون با استفاده از Scikit-learn رو به دست میارید. این روش‌ها شامل جستجوی شبکه‌ای، جست‌وجوی تصادفی و روش‌های پیشرفته بهینه‌سازی مثل الگوریتم‌های بیزی و ژنتیک می‌شن. از یک دیتاست برای پیش‌بینی عدم پرداخت کارت اعتباری استفاده می‌کنید و مهارت‌هایی رو می‌سازید که کارایی و اثربخشی ساخت مدل یادگیری ماشین‌تون رو به‌طور چشمگیری افزایش می‌ده.

همونیه که می‌خواید یاد بگیرید؟

1
هایپرپارامترها و پارامترها

در این بخش مقدماتی، با تفاوت بین هایپرپارامترها و پارامترها آشنا می‌شید. شما تمرین می‌کنید که پارامترها رو استخراج و تحلیل کنید و برای چند الگوریتم محبوب یادگیری ماشین، مقادیر هایپرپارامترها رو تعیین کنید. در ادامه، با چند نکته و تکنیک کاربردی برای انتخاب هایپرپارامترهایی که باید تنظیم بشن و همین‌طور انتخاب مقادیر مناسب برای اون‌ها آشنا می‌شید. همچنین یاد می‌گیرید چطور با ساختن منحنی‌های یادگیری، انتخاب‌های خودتون در تنظیم هایپرپارامترها رو تحلیل کنید.

2
جست‌وجوی شبکه‌ای

در این بخش با یکی از روش‌های محبوب و خودکار برای تنظیم هایپرپارامترها، یعنی «جست‌وجوی شبکه‌ای»، آشنا می‌شید. یاد می‌گیرید این روش چیه، چطور کار می‌کنه و چطور با استفاده از Scikit-Learn یک جست‌وجوی شبکه‌ای انجام بدید. بعد از اون، یاد می‌گیرید چطور خروجی جست‌وجوی شبکه‌ای رو تحلیل کنید و با انجام تمرین‌های عملی، توی این زمینه تجربه به دست بیارید.

3
جست‌وجوی تصادفی

در این بخش با یکی دیگه از روش‌های محبوب و خودکار تنظیم هایپرپارامترها، یعنی «جست‌وجوی تصادفی»، آشنا می‌شید. یاد می‌گیرید این روش چیه، چطور کار می‌کنه و مهم‌تر از همه، چه تفاوتی با جست‌وجوی شبکه‌ای داره. همچنین با مزایا و معایب این روش آشنا می‌شید و یاد می‌گیرید چه زمانی بهتره از جست‌وجوی تصادفی به‌جای جست‌وجوی شبکه‌ای استفاده کنید. در ادامه، با استفاده از Scikit-Learn یک جست‌وجوی تصادفی انجام می‌دید و نحوه‌ی بصری‌سازی و تفسیر خروجی اون رو هم تمرین می‌کنید.

4
جست‌وجوی آگاهانه

در این بخش پایانی، با چند روش پیشرفته‌تر برای تنظیم هایپرپارامترها آشنا می‌شید که به اون‌ها «جست‌وجوی آگاهانه» می‌گن. این روش‌ها شامل روشی به اسم «از کلی به جزئی» و همین‌طور الگوریتم‌های تنظیم هایپرپارامتر بیزی و ژنتیکی می‌شن. یاد می‌گیرید جست‌وجوی آگاهانه چه تفاوتی با جست‌وجوی ناآگاهانه داره و با هرکدوم از این روش‌ها به‌صورت عملی کار می‌کنید. در طول مسیر هم این روش‌ها رو با هم مقایسه می‌کنید و تفاوت‌ها و کاربردهای هرکدوم رو بهتر می‌فهمید.

گواهی پایان دوره

  • تأیید مهارت شما

    با تکمیل این دوره، شما یک گواهی معتبر دریافت می‌کنید که بیانگر کسب مهارت‌های لازم مرتبط با این دوره آموزشی است.

  • اعتبار و اصالت گواهی

    هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم می‌کند.

  • اشتراک‌گذاری

    می‌توانید گواهی‌های خود را به‌راحتی در شبکه‌های حرفه‌ای مانند لینکدین با دیگران به اشتراک بگذارید.

اشتراک‌گذاری
منابع
Credit Card Defaults

سوالات متداول

در یادگیری ماشین، یک هایپرپارامتر یک متغیر پیکربندی هست که به‌صورت دستی تنظیم می‌شه و فرآیند یادگیری رو کنترل می‌کنه و مقادیر پارامترهای مدل رو تعیین می‌کنه. این متغیر خارج از مدل قرار داره و قبل از شروع آموزش تنظیم می‌شه.

داشتن دانش پایه‌ای از پایتون برای این دوره ضروریه.

دوره یادگیری نظارت‌شده با Scikit-learn پیش‌نیاز این دوره هست.

تمام تمرین‌های کدنویسی در داخل برنامه انجام میشن و نیاز به دانلود نرم‌افزاری ندارید.

دریافت اپلیکیشن فینکا

با اپلیکیشن فینکا، به بیشتر دوره‌ها و مسیرها روی موبایل دسترسی دارید، تمرین می‌کنید و یادگیری رو هم‌زمان روی موبایل و دسکتاپ ادامه می‌دید.