دوره

کلاسیفایرهای خطی در پایتون

در این دوره، با جزئیات کلاسیفایرهای خطی مثل رگرسیون لجستیک و ماشین‌های بردار پشتیبان آشنا می‌شید.

پیشرفته
تاریخ به‌روزرسانی:
4 مهر 1405
۴٫۸
پایتون
۴ ساعت
۱۳ ویدیو
۳۱ تمرین
۵۱۰ شرکت‌کننده
۳۲۰
کاربرهای فینکا در چه شرکت‌هایی مشغول به کار هستند؟
توضیحات دوره

در این دوره، یاد می‌گیرید چطور با استفاده از Scikit-learn با کلاسیفایرهای خطی، به‌ویژه رگرسیون لجستیک و ماشین‌های بردار پشتیبان، کار کنید. بعد از یادگیری نحوه استفاده از این روش‌ها، با مفاهیم پشت اون‌ها آشنا می‌شید و درک می‌کنید واقعا چطور کار می‌کنن. در پایان دوره، می‌تونید این کلاسیفایرهای خطی رو در پایتون آموزش بدید، تست کنید و تنظیم کنید. همچنین پایه مفهومی محکمی به دست میارید که درک خیلی از الگوریتم‌های دیگه یادگیری ماشین رو براتون راحت‌تر می‌کنه.

همونیه که می‌خواید یاد بگیرید؟

1
اعمال رگرسیون لجستیک و ماشین بردار پشتیبان

در این بخش، با اصول استفاده از رگرسیون لجستیک و ماشین‌های بردار پشتیبان برای مسائل طبقه‌بندی آشنا می‌شید. با استفاده از کتابخونه Scikit-learn، مدل‌های طبقه‌بندی رو روی داده‌های واقعی برازش می‌کنید.

2
توابع زیان

در این بخش، با چارچوب مفهومی پشت رگرسیون لجستیک و ماشین‌های بردار پشتیبان‌ها آشنا می‌شید تا درک عمیق‌تری از نحوه کار این مدل‌ها پیدا کنید.

3
رگرسیون لجستیک

در این بخش، جزئیات رگرسیون لجستیک رو بررسی می‌کنید. با منظم‌سازی آشنا می‌شید و یاد می‌گیرید چطور خروجی مدل رو تفسیر کنید.

4
ماشین‌های بردار پشتیبان

در این بخش، با جزئیات ماشین‌های بردار پشتیبان‌ آشنا می‌شید. یاد می‌گیرید چطور هایپرپارامترهای این مدل‌ها رو تنظیم کنید و با استفاده از کرنل‌ها، مرزهای تصمیم غیرخطی رو برازش کنید.

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

سوالات متداول

در این دوره با رگرسیون لجستیک و ماشین‌های بردار پشتیبان آشنا می‌شید و یاد می‌گیرید چطور هر دو کلاسیفایر رو با استفاده از Scikit-learn آموزش بدید، تست کنید و تنظیم کنید.

این یک دوره سطح متوسطه. قبل از شروع، باید با Pandas و آمار مقدماتی آشنا باشید و دوره یادگیری نظارت‌شده با Scikit-learn رو گذرونده باشید.

بله. در این دوره با توابع زیان، منظم‌سازی و چارچوب مفهومی پشت رگرسیون لجستیک و ماشین‌های بردار پشتیبان‌ها آشنا می‌شید و یاد می‌گیرید این مدل‌ها چطور تصمیم‌های طبقه‌بندی می‌گیرن.

کلاسیفایرهای خطی، پایه مفهومی محکمی برای درک خیلی از مدل‌های دیگه یادگیری ماشین فراهم می‌کنن، چون مفاهیمی مثل توابع زیان و منظم‌سازی در بخش‌های مختلف این حوزه کاربرد دارن.

این دوره ۴ بخش و ۴۵ تمرین داره و موضوعاتی مثل طبقه‌بندی کاربردی، توابع زیان، جزئیات رگرسیون لجستیک و ماشین‌های بردار پشتیبان رو پوشش می‌ده. بیشتر افراد این دوره رو در حدود 4 ساعت تموم می‌کنن.

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.