یادگیری ماشین با Scikit-Learn

توانایی اعمال الگوریتم‌های یادگیری ماشین بخش مهمی از مجموعه مهارت‌های دانشمند داده است. scikit-learn یک کتابخانه منبع باز محبوب پایتون است که نسخه های کاربرپسند و کارآمد از الگوریتم های رایج یادگیری ماشین را ارائه می دهد. در این دوره، مایکل گالارنیک، دانشمند داده، نحوه استفاده از scikit-learn را برای یادگیری ماشینی تحت نظارت و بدون نظارت توضیح می دهد. مایکل مزایای این API با کاربرد آسان را بررسی می‌کند و سپس به سرعت به تکنیک‌های عملی می‌پردازد، از رگرسیون خطی و لجستیک، درخت‌های تصمیم‌گیری و مدل‌های جنگل تصادفی شروع می‌کند. در فصل سوم، او تکنیک های یادگیری بدون نظارت مانند خوشه بندی K-means و تجزیه و تحلیل اجزای اصلی (PCA) را پوشش می دهد. بعلاوه، یاد بگیرید که چگونه خط لوله‌های Sicit-Learn ایجاد کنید تا کد خود را تمیزتر و در برابر اشکالات انعطاف‌پذیرتر کنید. در پایان دوره، شما قادر خواهید بود نقاط قوت و ضعف هر الگوریتم Sicit-Learn را درک کنید و مدل های یادگیری ماشینی بهتر و کارآمدتری بسازید.nn ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.