یادگیری ماشینی عملی
شروع یا ادامه دوره

coursera یادگیری ماشینی عملی (Mitalearn-335560)

  • مدت زمان: 4 ساعت 9 دقیقه
  • انتشار: 23 June 2026
  • مدرس: Jeff Leek, PhD,Roger D. Peng, PhD,Brian Caffo, PhD
  • سطح: مناسب همه
  • محتوا‌ها: 33
  • زیرنویس فارسی دارد
درباره این دوره:

یکی از رایج ترین کارهایی که توسط دانشمندان داده و تحلیلگران داده انجام می شود، پیش بینی و یادگیری ماشین است. این دوره مولفه های اساسی ساخت و کاربرد توابع پیش بینی را با تاکید بر کاربردهای عملی پوشش می دهد. این دوره در مفاهیمی مانند مجموعه های آموزشی و آزمایشی، تطبیق بیش از حد، و میزان خطا، پایه های اساسی را ارائه می دهد. این دوره همچنین طیف وسیعی از روش‌های یادگیری ماشینی مبتنی بر مدل و الگوریتمی از جمله رگرسیون، درختان طبقه‌بندی، Naive Bayes و جنگل‌های تصادفی را معرفی می‌کند. این دوره فرآیند کامل ساخت توابع پیش بینی شامل جمع آوری داده ها، ایجاد ویژگی، الگوریتم ها و ارزیابی را پوشش می دهد.

مهارت‌های مرتبط

Data Science Machine Learning R Programming Machine Learning (ML) Algorithms Random Forest

  • محتوا

    • Announcements

  • Content

    • Practical Machine Learning