After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
ต่อยอดการเรียนรู้ด้าน machine learning ด้วยการเจาะลึกโลกของ ensemble learning! เทคนิคเหล่านี้เป็นกลุ่มวิธีการที่น่าสนใจ ซึ่งรวมอัลกอริทึมหลายตัวเข้าด้วยกันเพื่อเพิ่มประสิทธิภาพและแก้ปัญหาที่ซับซ้อนในหลากหลายอุตสาหกรรม นอกจากนี้ เทคนิค ensemble ยังครองตำแหน่งแชมป์ในการแข่งขัน machine learning ออนไลน์อยู่บ่อยครั้งอีกด้วย
ในคอร์สนี้ จะได้เรียนรู้เทคนิค ensemble ขั้นสูงครบทุกรูปแบบ ทั้ง bagging, boosting และ stacking พร้อมนำไปใช้กับชุดข้อมูลจริงผ่านไลบรารี machine learning ที่ทันสมัย เช่น scikit-learn, XGBoost, CatBoost และ mlxtend
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
การรวมโมเดลหลายตัวเข้าด้วยกัน
หากยังลังเลว่าโมเดลไหนดีที่สุดสำหรับปัญหาของคุณ ลองเปลี่ยนมุมมองใหม่ แล้วใช้ทุกโมเดลพร้อมกันแทน! ในบทนี้จะได้เรียนรู้วิธีรวมโมเดลหลายตัวเป็นโมเดลเดียวด้วยเทคนิค "Voting" และ "Averaging" แล้วนำไปทำนายคะแนนแอปใน Google Play Store, ทำนายว่า Pokémon ตัวไหนเป็นระดับ legendary และทำนายว่าตัวละครใดจะเสียชีวิตใน Game of Thrones!
- Ensemble Methods เบื้องต้น50 XP
- สำรวจข้อมูลแอปใน Google Play50 XP
- การพยากรณ์คะแนนของแอป100 XP
- การโหวต50 XP
- เลือกโมเดลที่ดีที่สุด100 XP
- สร้าง Ensemble ตัวแรกของคุณ100 XP
- ประเมินผล Ensemble ของคุณ100 XP
- การเฉลี่ย (Averaging)50 XP
- สู่โลก Westeros50 XP
- พยากรณ์การตายใน GoT100 XP
- Soft voting เทียบกับ Hard voting100 XP
2
Bagging
Bagging คือเทคนิค ensemble ที่อยู่เบื้องหลังอัลกอริทึม machine learning อันทรงพลังอย่าง random forests ในบทนี้จะได้เรียนรู้ทฤษฎีของเทคนิคนี้ และสร้างโมเดล bagging ด้วยตัวเองโดยใช้ scikit-learn
3
Boosting
Boosting เป็นกลุ่มอัลกอริทึม ensemble learning ที่มีโมเดลชื่อดังอย่าง AdaBoost ในบทนี้จะได้เรียนรู้เกี่ยวกับโมเดลนี้ และนำไปทำนายรายได้ของภาพยนตร์ที่โดดเด่น รวมถึงได้เรียนรู้อัลกอริทึม gradient boosting อย่าง CatBoost และ XGBoost ด้วย
4
Stacking
พร้อมแล้วหรือยังที่จะสำรวจ stacking! ในบทสุดท้ายนี้จะได้เรียนรู้เทคนิค ensemble แบบ stacking พร้อมวิธีนำไปใช้งานทั้งผ่าน scikit-learn และไลบรารี mlxtend จากนั้นจะได้นำ stacking ไปทำนายว่าเห็ดในอเมริกาเหนือกินได้หรือไม่ และกลับมาทำนายคะแนนแอป Google อีกครั้งด้วยแนวทางที่ล้ำกว่าเดิม
Ensemble Methods ใน Python
เรียนจบแล้ว
