After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kurs Açıklaması
Bir veri veya makine öğrenimi bilimcisi olarak, güçlü makine öğrenimi modelleri oluşturmak, kullanılan hiperparametreler kümesine büyük ölçüde bağlıdır. Ancak, çok sayıda seçenek içeren ve giderek karmaşıklaşan modellerde, belirli bir sorun için en uygun ayarları nasıl verimli bir şekilde bulabilirsiniz? Cevap, hiperparametre ayarlamasıdır!
Hiperparametreler ile parametreler arasındaki farkı ve hiperparametre değerlerini ayarlama ve analiz etme konusunda en iyi uygulamaları öğrenin. Bu temel, makine öğrenimi modellerinde hiperparametrelerin önemini anlamanıza yardımcı olacaktır.
Random Search ile tanışacak ve büyük parametre alanlarında verimlilik gibi Grid Search'e göre avantajları hakkında bilgi edineceksiniz.
Bu bilinçli arama teknikleri pratik örneklerle gösterilmekte olup, bunları bilinçsiz arama yöntemleriyle karşılaştırıp karşılaştırabilirsiniz. Sonunda, model performansını iyileştirmek için hiperparametreleri etkili bir şekilde optimize etme konusunda kapsamlı bir anlayışa sahip olacaksınız..
Hiperparametreler ve parametreler
Scikit-Learn ile Python'da otomatik hiperparametre ayarlaması için çeşitli metodolojileri kullanarak pratik deneyim kazanın.Hiperparametreler ile parametreler arasındaki farkı ve hiperparametre değerlerini ayarlama ve analiz etme konusunda en iyi uygulamaları öğrenin. Bu temel, makine öğrenimi modellerinde hiperparametrelerin önemini anlamanıza yardımcı olacaktır.
Izgara arama
Grid Search ile başlayarak çeşitli hiperparametre ayarlama tekniklerini öğrenin. Kredi kartı temerrüt verilerini kullanarak, en iyi hiperparametre kombinasyonlarını kapsamlı bir şekilde aramak için Grid Search'ü uygulamaya koyacak ve sonuçları yorumlayacaksınız.Random Search ile tanışacak ve büyük parametre alanlarında verimlilik gibi Grid Search'e göre avantajları hakkında bilgi edineceksiniz.
Bilgiye dayalı arama
Kursun son bölümünde, Bayes ve Genetik algoritmalar gibi gelişmiş optimizasyon yöntemlerini keşfedeceksiniz.Bu bilinçli arama teknikleri pratik örneklerle gösterilmekte olup, bunları bilinçsiz arama yöntemleriyle karşılaştırıp karşılaştırabilirsiniz. Sonunda, model performansını iyileştirmek için hiperparametreleri etkili bir şekilde optimize etme konusunda kapsamlı bir anlayışa sahip olacaksınız..
Ön Koşullar
Müfredat
Kurs içeriği
1
Hiperparametreler ve Parametreler
Bu giriş bölümünde hiperparametreler ile parametreler arasındaki farkı öğreneceksin. Parametreleri çıkarmayı ve analiz etmeyi, birkaç popüler Machine Learning algoritması için hiperparametre değerlerini ayarlamayı pratik edeceksin. Bu süreçte, hangi hiperparametreleri ayarlayacağına ve hangi değerleri seçeceğine dair en iyi uygulama ipuçları ve püf noktalarını öğrenecek, seçimlerini analiz etmek için öğrenme eğrileri oluşturacaksın.
- Giriş ve 'Parametreler'50 XP
- Lojistik Regresyonda Parametreler50 XP
- Lojistik Regresyon parametresi çıkarma100 XP
- Random Forest bir parametreyi çıkarmak100 XP
- Hiperparametrelere Giriş50 XP
- Random Forest'larda Hiperparametreler50 XP
- Random Forest Hiperparametrelerini Keşfetme100 XP
- KNN'nin Hiperparametreleri100 XP
- Hiperparametre Değerlerini Ayarlama ve Analiz Etme50 XP
- Hiperparametre Seçimini Otomatikleştirme100 XP
- Öğrenme Eğrileri Oluşturma100 XP
2
Grid Search
Bu bölümde, Grid Search adı verilen popüler bir otomatik hiperparametre ayarlama yöntemiyle tanışacaksın. Ne olduğunu, nasıl çalıştığını öğrenecek ve Scikit Learn kullanarak bir Grid Search uygulamayı pratik edeceksin. Ardından bir Grid Search çıktısını nasıl analiz edeceğini öğrenecek ve bununla ilgili pratik deneyim kazanacaksın.
3
Random Search
Bu bölümde Random Search adı verilen bir diğer popüler otomatik hiperparametre ayarlama yöntemiyle tanışacaksın. Ne olduğunu, nasıl çalıştığını ve özellikle grid search'ten nasıl farklılaştığını öğreneceksin. Bu yöntemin bazı avantaj ve dezavantajlarını, ayrıca Grid Search'e kıyasla ne zaman tercih edileceğini göreceksin. Scikit Learn ile bir Random Search uygulamayı; ayrıca çıktıyı görselleştirmeyi ve yorumlamayı pratik edeceksin.
4
Bilgili (Informed) Arama
Bu son bölümde, "bilgili arama" olarak bilinen daha gelişmiş hiperparametre ayarlama yöntemlerinden bir tadım alacaksın. Buna Coarse To Fine olarak bilinen bir yöntem ile Bayesian ve Genetik hiperparametre ayarlama algoritmaları dahildir. Bilgili aramanın bilgisiz aramadan nasıl farklılaştığını öğrenecek ve belirtilen her bir yöntemle pratik beceriler kazanarak ilerlerken bunları karşılaştırıp değerlendireceksin.
Python'da Hiperparametre Ayarlama
Kurs
Tamamlandı
