Bu kursları tamamladıktan sonra profesyonel görselleştirmeler ve panolar oluşturma konusunda kendime güveniyorum
Shoebur RahmanSatın Alma Uzmanı, Giz Bangladesh
Kurs Açıklaması
Machine Learning yolculuğuna, ensemble öğrenme yöntemlerinin harika dünyasına dalarak devam et! Bu yöntemler, birden fazla algoritmayı bir araya getirerek performansı artıran ve farklı sektörlerde ölçeklenebilir şekilde karmaşık problemleri çözen heyecan verici tekniklerdir. Ensemble teknikleri çevrimiçi Machine Learning yarışmalarını da sıklıkla kazanır!
Bu kursta, bagging, boosting ve stacking gibi gelişmiş ensemble tekniklerini enine boyuna öğreneceksin. Bunları scikit-learn, XGBoost, CatBoost ve mlxtend gibi son teknoloji Python Machine Learning kütüphaneleriyle gerçek veri kümelerine uygulayacaksın.
Ön Koşullar
Müfredat
Kurs planı
1
Birden Fazla Modeli Birleştirme
Kurduğun modellerden hangisinin problemin için en iyi olduğuna karar vermekte zorlanıyor musun? Vazgeç ve hepsini birlikte kullan! Bu bölümde, birden fazla modeli "Voting" ve "Averaging" kullanarak tek bir modelde nasıl birleştireceğini öğreneceksin. Bunları Google Play Store'daki uygulamaların puanlarını, bir Pokémon'un efsanevi olup olmadığını ve Game of Thrones'ta hangi karakterlerin öleceğini tahmin etmek için kullanacaksın!
- Ensemble yöntemlerine giriş50 XP
- Google uygulama verilerini keşfetme50 XP
- Bir uygulamanın puanını tahmin etme100 XP
- Oylama50 XP
- En iyi modeli seçmek100 XP
- İlk ensemble'ını bir araya getir100 XP
- Topluluğunu değerlendirme100 XP
- Ortalama Alma50 XP
- Westeros'a Yolculuk50 XP
- GoT ölümlerini tahmin etme100 XP
- Yumuşak ve sert oylama100 XP
2
Bagging
Bagging, random forest gibi güçlü Machine Learning algoritmalarının arkasındaki ensemble yöntemidir. Bu bölümde bu tekniğin teorisini öğrenecek ve scikit-learn kullanarak kendi bagging modellerini oluşturacaksın.
3
Boosting
Boosting, AdaBoost gibi ödüllü modelleri içeren bir ensemble öğrenme sınıfıdır. Bu bölümde bu ödüllü modeli öğrenecek ve ödüllü filmlerin gelirini tahmin etmek için kullanacaksın! Ayrıca CatBoost ve XGBoost gibi gradient boosting algoritmalarını da öğreneceksin.
4
Stacking
Hazır mısın, şimdi katmanları üst üste koyuyoruz! Bu son bölümde stacking ensemble yöntemini öğreneceksin. Bunu hem scikit-learn ile hem de mlxtend kütüphanesiyle nasıl uygulayacağını göreceksin! Stacking'i Kuzey Amerika mantarlarının yenilebilirliğini tahmin etmekte kullanacak ve Google uygulama puanlarını bu daha gelişmiş yaklaşımla yeniden ele alacaksın.
Python'da Ensemble Yöntemleri
Kurs
Tamamlandı
