Name: Extreme Gradient Boosting with XGBoost
Rating: 4.857142857142857 (266 reviews)

รายละเอียดคอร์ส

รู้จักพื้นฐาน supervised learning แล้วอยากนำโมเดลที่ทันสมัยไปใช้กับชุดข้อมูลจริงใช่ไหม? Gradient boosting เป็นหนึ่งในเทคนิคที่ได้รับความนิยมมากที่สุดในปัจจุบันสำหรับการสร้างโมเดลจากชุดข้อมูลแบบตารางทุกขนาด XGBoost คือการ implement gradient boosting ที่รวดเร็วและปรับขนาดได้สูง โดยโมเดลที่ใช้ XGBoost มักคว้าชัยในการแข่งขัน data science ออนไลน์และถูกนำไปใช้งานในหลายอุตสาหกรรม ในคอร์สนี้ จะได้เรียนรู้วิธีใช้ไลบรารีอันทรงพลังนี้ร่วมกับ pandas และ scikit-learn เพื่อสร้างและปรับแต่งโมเดล supervised learning พร้อมฝึกทักษะกับชุดข้อมูลจริงในการแก้ปัญหาทั้ง classification และ regression

ข้อกำหนดเบื้องต้น

Supervised Learning with scikit-learn

หลักสูตร

โครงสร้างคอร์ส

Classification ด้วย XGBoost

บทนี้จะแนะนำแนวคิดพื้นฐานของ XGBoost ซึ่งก็คือ boosted learners เมื่อเข้าใจหลักการทำงานของ XGBoost แล้ว จะนำไปประยุกต์ใช้กับปัญหา classification ที่พบได้ทั่วไปในอุตสาหกรรม ได้แก่ การทำนายว่าลูกค้าจะเลิกใช้บริการในอนาคตหรือไม่

เริ่มบทเรียน

Regression ด้วย XGBoost

หลังจากทบทวน supervised regression โดยย่อ จะนำ XGBoost มาใช้กับงาน regression สำหรับการทำนายราคาบ้านในเมือง Ames รัฐไอโอวา นอกจากนี้ยังจะได้เรียนรู้เกี่ยวกับ base learner 2 ประเภทที่ XGBoost ใช้เป็น weak learner รวมถึงวิธีประเมินคุณภาพของโมเดล regression

เริ่มบทเรียน

การปรับแต่งโมเดล XGBoost

บทนี้จะสอนวิธีปรับแต่งโมเดล XGBoost ให้มีประสิทธิภาพสูงสุด จะได้เรียนรู้เกี่ยวกับพารามิเตอร์หลากหลายตัวที่ปรับเปลี่ยนได้เพื่อควบคุมพฤติกรรมของ XGBoost และวิธี tuning ที่มีประสิทธิภาพ เพื่อยกระดับประสิทธิภาพของโมเดลให้ถึงขีดสุด

เริ่มบทเรียน

การใช้ XGBoost ใน Pipeline

ต่อยอดทักษะ XGBoost โดยนำโมเดลไปรวมไว้ใน machine learning pipeline แบบครบวงจรถึง 2 แบบ จะได้เรียนรู้วิธี tuning hyperparameter ที่สำคัญของ XGBoost อย่างมีประสิทธิภาพภายใน pipeline พร้อมทำความรู้จักเทคนิค preprocessing ขั้นสูงเพิ่มเติม