معرفی محصول
یکی از جذاب ترین موضوعاتی که می توان با هوش مصنوعی روی آن متمرکز شد، پیش بینی و تخمین رخ دادها در آینده است. پیش بینی قیمت سهام در بازار بورس، ارزیابی قیمت خانه و یا تخمین قیمت خودرو و محصولات یک فروشگاه اینترنتی به کمک یادگیری ماشین از آن جمله محسوب می شود. رگرسیون (Regression) یک الگوریتم آماری است که به کمک یادگیری ماشین (Machin learning) امکان پیش بینی دقیق را برای کاربر فراهم می کند.
رگرسیون چیست؟
در لغت: رگرسیون به معنای بازگشت است. در علم ریاضیات: هرگاه بتوانیم بین دو متغیر یک رابطه را تشخیص دهیم، می توانیم از رگرسیون، برای پیش بینی مقادیر این متغیرها بر اساس مقدار متغیر دیگر استفاده کنیم .
در سال ۱۸۷۷ فرانسیس گالتون در مقالهای که درباره بازگشت به میانگین منتشر کردهبود اظهار داشت که متوسط قد پسران دارای پدران قدبلند، کمتر از قد پدرانشان میباشد. به نحو مشابه متوسط قد پسران دارای پدران کوتاهقد نیز، بیشتر از قد پدرانشان گزارش شدهاست. به این ترتیب گالتون پدیده بازگشت به طرف میانگین را در دادههایش مورد تأکید قرارداد. برای گالتون رگرسیون مفهومی زیستشناختی داشت، اما کارهای او توسط کارل پیرسون برای مفاهیم آماری توسعه دادهشد. گرچه گالتون برای تأکید بر پدیده ” بازگشت به سمت مقدار متوسط ” از تحلیل رگرسیون استفاده کرد، اما به هر حال امروزه واژه تحلیل رگرسیون جهت اشاره به مطالعات مربوط به روابط بین متغیرها به کار برده میشود.
به طور کلی با ارائه یک مجموعه داده به سیستم به کمک الگوریتم های یادگیری ماشین میتوان ارتباط بین داده های مستقل و وابسته را استخراج کرد و مطابق آن پیش بینی صحیحی از رخدادهای آینده به دست آورد.
در مثال پیش بینی قیمت خودرو عملکرد بدین ترتیب است که ابتدا میزان تغییرات قیمت خودروی مورد نظر را در طول مدت مشخصی به سیستم ارائه می کنیم. این مرحله وظیفه الگوریتم های یادگیری ماشین است تا دست به کار شوند و ارتباط بین تاریخ و قیمت خودرو را تحلیل کنند. سپس نوبت به رگرسیون میرسد تا با قدرت خود پیش بینی دقیقی از قیمت خودرو را در تاریخ مد نظر به کاربر ارائه کند.
فرض کنید قیمت پراید را در بازه زمانی دی ماه تا اردیبهشت ماه سه سال اخیر به سیستم ارائه میکنیم. الگوریتم های یادگیری ماشین به تحلیل تغییرات قیمت در طول این تاریخ میپردازند و درمی یابند که قیمت خودرو در بازهی 22 بهمن تا 15 فروردین ماه هر سال روند افزایشی داشته و به طور کلی با 30 درصد افزایش قیمت روبرو است. بنابراین، اگر در سال جاری قیمت خودرو را در 1 فروردین بخواهید این سیستم میتواند به خوبی به شما نشان دهد که برای سفرهای نوروزی خود بهتر است برای خرید خودرو در اوایل بازهی زمانی (22بهمن) اقدام کنید.
هر مجموعه داده با توجه به ویژگیهای خود، نیاز به رگرسیون با شرایط سازگار با ویژگی های خود دارد تا بتواند به خوبی ارتباط بین داده های آموزشی را یادبگیرد و برمبنای آن پیش بینی صحیحی را ارائه کند.
انواع رگرسیون عبارتند از:
خطی: به دنبال یک رابطه خطی بین ویژگی های مشاهده شده و نتیجه دریافتی است.
غیرخطی: اگر ویژگی های داده مورد نظر با خروجی دریافتی رابطه کرنلی داشته باشد، بایستی از الگوریتم های غیرخطی جهت پیش بینی استفاده کرد.
ویژگی های محصول
- مدرس: مهندس زهرا طبابایی
- تخصص: کارشناس ارشد برق و الکترونیک
- موضوع: یادگیری ماشین
- مخاطب: علاقمندان به یادگیری ماشین
- نرم افزار: کنسول برنامه نویسی در پایتون
- نوع آموزش: ویدیویی
در این دوره به آموزش گام اول (رگرسیون) در محیط پایتون می پردازیم. آموزش ارائه شده به صورت تئوری و کدنویسی است. بدین ترتیب که در هر جلسه، بخشی از ویدئو به توضیح و تفسیر معنا و عملکرد الگوریتم ها به زبانی ساده و مقدماتی در محیط ریاضی می پردازد.
معرفی مدرس
- زهرا طباطبایی
- کارشناس ارشد مهندسی برق
- مدرس پردازش تصویر و یادگیری ماشین
عناوین آموزشی
- معرفی نرم افزار و نصب آن و آشنایی اولیه با محیط نرم افزار
- معرفی کتابخانه های مربوطه و پیش پردازش آن ها
- نرمال سازی و ایجاد داده های تست و آموزشی و نحوه کار با آن ها
- رگرسیون خطی
- رگرسیون خطی چند گانه
- رگرسیون خطی چند جمله ای
- رگرسیون بردار پشتیبان
- درخت تصمیم گیری
- رگرسیون جنگل تصادفی
توضیحات محصول
برای رسیدن به قله یادگیری ماشین و یادگیری عمیق لازم است ۵ گام را طی کنیم. درست مثل سال های ابتدایی بامبو
وقت کاشت بامبوی خودتون!
۵ گام اساسی برای تسلط بر یادگیری ماشین عبارتند از:
رگرسیون
طبقه بندی
خوشه بندی
کاهش ویژگی
یادگیری عمیق
در این دوره به آموزش گام اول (رگرسیون) در محیط پایتون می پردازیم. آموزش ارائه شده به صورت تئوری و کدنویسی است.
بدین ترتیب که در هر جلسه، بخشی از ویدئو به توضیح و تفسیر معنا و عملکرد الگوریتم ها به زبانی ساده و مقدماتی در محیط ریاضی می پردازد.
بخش دوم از آن نیز به آموزش کدنویسی به کمک کتابخانه های قوی در پایتون از جمله Numpy، Sklearn، Pandas، Matplot و …. اختصاص دارد.
سوال دارید؟
در این صفحه سعی شده تا تمامی مطالب مورد نیاز کاربران پیش از فرایند خرید عرضه شود. با این حال در صورتی که از مدرس سوال دارید می توانید از بخش نظرات در بخش بالای صفحه استفاده کنید. بخش نظرات برای پرسش و پاسخ با مدرس طراحی شده است. هم چنین در صورتی که نسبت به محتوای محصول انتقاد و یا پیشنهاداتی دارید از طریق بخش نظرات آن را مطرح کرده و سپس نسبت به این محصول امتیاز دهید. هرچه امتیاز دهی شما دقیق تر باشد، سایر کاربران به شکل بهتری در استفاده از این محصول و کیفیت مدرس آگاهی پیدا خواهند کرد.
eshafiei
در تاریخ
سلام
لینک دانلود مربوز به “تمامی کدهای آموزش داده شده در دوره” کار نمیکند. لطفا اصلاح کنید.