After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kurs Açıklaması
Karışım modelleme, heterojenlikle ilgilendiğimiz durumlarda popülasyonları temsil etmenin bir yoludur. Karışım modelleri, tanıdık olasılık dağılımlarını (örn. Gaussian, Poisson, Binom) kullanarak kümeleme ve sınıflandırma için kullanışlı ve aynı zamanda biçimsel bir istatistiksel çerçeve sunar. Standart kümeleme yaklaşımlarından farklı olarak, bir kümeye ait olma olasılığını tahmin edebilir ve alt popülasyonlar hakkında çıkarım yapabiliriz. Örneğin, pazarlama bağlamında, farklı müşteri gruplarını kümelendirip belirli ürünleri satın alma olasılıklarını bulmak isteyebilirsin; böylece onları özel kampanyalarla daha iyi hedefleyebilirsin. Doğal dil işleme yöntemlerini büyük bir belge kümesine uygularken, belgeleri farklı konulara göre kümelendirmek ve her belgedeki konu önemini anlamak isteyebilirsin. Bu derste, Karışım Modellerinin ne olduğunu, nasıl tahmin edildiklerini ve ne zaman uygulanmalarının uygun olduğunu öğreneceksin!
Ön Koşullar
Müfredat
Kurs içeriği
1
Karışım Modellerine Giriş
Bu bölümde, modele dayalı kümelemenin temel kavramlarına ve bu yaklaşımın diğer kümeleme tekniklerinden nasıl farklılaştığına giriş yapacaksın. Gaussian Karışım Modellerinin üretim sürecini ve kümeleri nasıl görselleştireceğini öğreneceksin.
- Model tabanlı kümelemeye giriş50 XP
- Kümeleme yaklaşımları50 XP
- Cinsiyet verisini keşfet100 XP
- Gaussian dağılımı50 XP
- Gaussian dağılımından örnekleme100 XP
- (çok da iyi olmayan) Ortalama ve ss tahminleri100 XP
- Gaussian karışım modelleri (GMM)50 XP
- İki Gaussian dağılımın karışımını simüle et100 XP
- Gaussian Karışımın Histogramını Çiz100 XP
- Üç Gaussian dağılımın karışımı100 XP
2
Karışım Modellerinin Yapısı ve Parametre Tahmini
Bu bölümde, Karışım Modellerinin ana yapısını, bu yaklaşımla farklı verilerin nasıl ele alınacağını ve ilgili parametrelerin nasıl tahmin edileceğini öğreneceksin. Tahmini gerçekleştirmek için, Beklenti-Enbüyükleme (Expectation-Maximization) adlı yinelemeli bir yöntemi öğreneceksin.
3
`flexmix` ile Gaussian Karışımları
Bu bölümde, `flexmix` paketiyle 1 ve 2 boyutta Gaussian Karışım Modellerinin nasıl uydurulacağını göreceksin. Kullanılan veri, ağırlık, boy, vücut kitle indeksi ve beyan edilen cinsiyet bilgilerini içeren 10.000 kişilik gözlemden oluşur.
4
Gaussian Ötesi Karışım Modelleri
Bu modülde, Karışım Modellerinin Gaussian dışındaki olasılık dağılımlarını da kapsayacak şekilde nasıl genişletildiğini ve bu modellerin `flexmix` ile nasıl uydurulduğunu öğreneceksin. Kullanılan veri kümeleri el yazısı rakam görüntüleri ve Chicago şehrindeki suç sayılarıdır. İlk veri kümesinde el yazısı rakamları özetleyen kümeleri, ikinci veri kümesinde ise yaşamanın daha tehlikeli veya daha güvenli olduğu mahalle kümelerini bulacaksın.
R
R ile Karışım Modelleri
Kurs
Tamamlandı
