Build your ultimate AI agent
รายละเอียดคอร์ส
ในคอร์สนี้คุณจะได้เรียนรู้การใช้ linear classifiers อย่างละเอียด ทั้ง logistic regression และ support vector machines โดยใช้ scikit-learn เมื่อเรียนรู้วิธีใช้งานแล้ว จะได้เจาะลึกแนวคิดเบื้องหลังและทำความเข้าใจว่าโมเดลเหล่านี้ทำงานอย่างไร ตอนจบคอร์สจะสามารถฝึก ทดสอบ และปรับแต่ง linear classifiers ใน Python ได้ รวมถึงมีพื้นฐานเชิงแนวคิดสำหรับทำความเข้าใจ machine learning อัลกอริทึมอื่น ๆ อีกด้วย
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
การใช้งาน Logistic Regression และ SVM
ในบทนี้จะได้เรียนรู้พื้นฐานการใช้ logistic regression และ support vector machines (SVMs) สำหรับปัญหาการจำแนกประเภท โดยใช้ไลบรารี
scikit-learn เพื่อฝึกโมเดลจำแนกประเภทกับข้อมูลจริง- ทบทวน scikit-learn50 XP
- การจำแนกประเภทด้วย KNN100 XP
- เปรียบเทียบโมเดล50 XP
- Overfitting50 XP
- การประยุกต์ใช้ Logistic Regression และ SVM50 XP
- รัน LogisticRegression และ SVC100 XP
- การวิเคราะห์ความรู้สึกจากรีวิวภาพยนตร์100 XP
- Linear Classifier50 XP
- เส้นแบ่งการตัดสินใจแบบใดเป็นเชิงเส้น?50 XP
- การแสดงภาพขอบเขตการตัดสินใจ100 XP
2
Loss Functions
ในบทนี้จะได้ทำความเข้าใจกรอบแนวคิดเบื้องหลัง logistic regression และ SVMs ซึ่งจะช่วยให้เจาะลึกการทำงานภายในของโมเดลเหล่านี้ได้มากขึ้น
3
Logistic Regression
ในบทนี้จะได้เจาะลึกรายละเอียดของ logistic regression เรียนรู้เรื่อง regularization และวิธีตีความผลลัพธ์ของโมเดล
4
Support Vector Machines
ในบทนี้จะได้เรียนรู้รายละเอียดของ support vector machines อย่างครบถ้วน ทั้งการปรับแต่ง hyperparameters และการใช้ kernels เพื่อกำหนด decision boundary แบบไม่เชิงเส้น
Linear Classifiers ใน Python
เรียนจบแล้ว
