Build your ultimate AI agent
कोर्स विवरण
इस कोर्स में आप scikit-learn के साथ linear classifiers, खास तौर पर logistic regression और support vector machines, का उपयोग करना सीखेंगे। इन तरीकों को लागू करना सीखने के बाद, आप इनके पीछे के विचारों में गहराई से जाएँगे और समझेंगे कि इन्हें क्या प्रभावी बनाता है। कोर्स के अंत तक आप Python में इन linear classifiers को train, test, और tune करना जानेंगे। साथ ही, कई अन्य मशीन लर्निंग एल्गोरिदम समझने के लिए आपकी वैचारिक नींव भी बन जाएगी।
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Logistic regression और SVM लागू करना
इस अध्याय में आप classification समस्याओं पर logistic regression और support vector machines (SVMs) लागू करने की बुनियादी बातें सीखेंगे। आप वास्तविक डेटा पर classification मॉडल fit करने के लिए
scikit-learn लाइब्रेरी का उपयोग करेंगे।- scikit-learn रिफ्रेशर50 XP
- KNN क्लासिफिकेशन100 XP
- मॉडल की तुलना50 XP
- Overfitting50 XP
- लॉजिस्टिक रिग्रेशन और SVM लागू करना50 XP
- LogisticRegression और SVC चलाना100 XP
- मूवी रिव्यू के लिए सेंटिमेंट एनालिसिस100 XP
- लिनियर क्लासिफ़ायर्स50 XP
- कौन-सी निर्णय सीमा रैखिक है?50 XP
- डिसीजन बाउंड्रीज़ का विज़ुअलाइज़ेशन100 XP
2
Loss functions
इस अध्याय में आप logistic regression और SVMs के पीछे का वैचारिक ढाँचा समझेंगे। इससे आप इन मॉडलों के आंतरिक कार्य-तंत्र को और गहराई से जान पाएँगे।
3
Logistic regression
इस अध्याय में आप logistic regression के विवरणों में उतरेंगे। आप regularization के बारे में सीखेंगे और model output की व्याख्या कैसे करें, यह समझेंगे।
4
Support Vector Machines
इस अध्याय में आप support vector machines के विवरणों के बारे में सीखेंगे। आप इन मॉडलों के hyperparameters को tune करने और kernels का उपयोग करके non-linear decision boundaries fit करने के तरीकों को समझेंगे।
Python में Linear Classifiers
कोर्स
पूरा
