شناسایی الگو: روشها و پارامترهای ارزیابی مدلهای یادگیری ماشین(فصل سوم)

۲۰,۰۰۰ تومان

توضیحات

سرفصل مطالب

  1. پارامترهای ارزیابی

  • مراحل انجام یک پروژه‌ی استاندارد
  • نحوه محاسبه پارامترهای ارزیابی مسائل دو کلاسه(دقت، حساسیت، اختصاصیت) در متلب
  • ماتریس کانفیوژن
  • نحوه محاسبه پارامترهای ارزیابی برای مسائل دو کلاسه و چندکلاسه
  1. روشهای ارزیابی یک مدل یادگیری ماشین

  • نحوه انتخاب یک مدل بهینه(model selection) توسط روش Cross validation
  • ارزیابی مدل با روش ارزیابی the hold out method
  • ارزیابی مدل با روش ارزیابی k-fold cross validation
  • ارزیابی مدل با روش ارزیابی random sub-sampling

 توجه: برای درک بهتر روشهای ذکر شده، یک پروژه عملی انجام داده‌ایم و روشهای ذکر شده را با یک مثال عملی آموزش داده‌ایم.

عنوان پروژه: تشخیص نوع گل زنبق(iris) با استفاده از کلاسبند بیزین


روال آموزشی مدرس دوره:

  • در ابتدا تئوری تمامی مباحث طبق یک مرجع معتبر آموزش داده می‌شود.
  • سپس یک الگوریتم خلاصه شده برای پیاده‌سازی الگوریتم مورد نظر نوشته می شود.
  • سپس به صورت مرحله به مرحله در متلب الگوریتم ها پیاده‌سازی می شوند.
  • و سپس یک مثال عملی بسیار ساده جهت درک بهتر عملکرد الگوریتم انجام می شود
  • و در نهایت چندین پروژه‌ی عملی با کمک الگوریتمهای پیاده سازی شده انجام می‌شود تا کاربر چالش واقعی انجام پروژه آشنا شود و همچنین بتواند از پروژه‌های انجام شده برای پروژه‌های درسی و پایان نامه استفاده کند.

 


جهت دریافت  پکیج آموزشی فصلهای 1-4 به صورت یکجا به لینک زیر مراجعه کنید.

پکیج جامع فصل های اول تا چهارم پترن و یادگیری ماشین( از بیزین تا SVM)

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

.فقط مشتریانی که این محصول را خریداری کرده اند و وارد سیستم شده اند میتوانند برای این محصول دیدگاه ارسال کنند.

شما شاید این را هم دوست داشته باشید

تمام حقوق مادی و معنوی این سایت مربوط به آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی می باشد
X