برخی از موضوعات پیشرفته در یادگیری ماشین آماری از جمله مدل‌ها و استنتاج بیزی ناپارامتریک، فرآیندهای نقطه‌ای، یادگیری ماشین تفسیرپذیر، و تحلیل کلان داده‌ها را بر مبنای روش‌های کلاسیک و مدل‌های یادگیری ژرف پوشش می‌دهد.
More
از آنجا که اکنون درک بهتری داریم، می‌توانیم در مورد پیش نیازهای یادگیری ماشین صحبت کنیم: ۱. آمار، حساب، جبر خطی و احتمال. الف) آمار شامل ابزاری است که برای به‌دست آوردن نتیجه از داده‌ها ...
More
تحلیل پیش‌بینی‌کننده از الگوریتم‌های آماری قدرتمند و ابزارهای یادگیری ماشین برای پیش‌بینی رویدادها و رفتارهای آینده بر اساس روندهای داده‌های جدید و تاریخی استفاده می‌کند.
More
علاوه بر آن این جعبه ابزار، الگوریتم های یادگیری ماشین های نظارت شده و غیر نظارت شده، از جمله ماشین های برداری پشتیبان (SVM) ، درخت های تصمیم گیری تقویت شده و توسعه یافته، K- نزدیک ترین همسایه، K – متوسط K- medoids، خوشه
More
توضیحات دوره: ریاضیات - تسلط بر آمار و احتمالات برای علم داده، یادگیری ماشین و یادگیری عمیق با بیش از 25 پروژه آماری ریاضیات زیربنایی را برای ایجاد درک بصری و مرتبط کردن آن با یادگیری ماشین و ...
More
انواع توزیع آماری داده ها را در این مقاله به همراه ویژگی ها و کاربرد های هر کدام، روان و ساده به همراه مثال مطرح و بررسی می‌کنیم.
More
در این مطلب، یاد می‌گیریم انواع داده ها در یادگیری ماشین چیست و از چه منابعی برای پیدا کردن مجموعه‌داده‌های کاربردی استفاده کنیم.
More
فرایند نرمال‌سازی داده با جلوگیری از غلبه ویژگی‌هایی با مقادیر بالا بر فرایند یادگیری، در الگوریتم‌های مبتنی‌بر معیار فاصله مانند « K-نزدیک‌ترین همسایه » (KNN) یا « ماشین بردار پشتیبان » (SVM) موثر واقع می‌شود. اجرای نرمال‌سازی داده‌ها، باعث
More
