این صفحه تمرین‌های مربوط به دوره تصادف یادگیری ماشینی را فهرست می‌کند.
اکثر تمرین های برنامه نویسی از مجموعه داده های مسکن کالیفرنیا استفاده می کنند.
تمرینات برنامه نویسی مستقیماً در مرورگر شما اجرا می شوند (بدون نیاز به تنظیم!) با استفاده از پلت فرم Colaboratory . Colaboratory در اکثر مرورگرهای اصلی پشتیبانی می‌شود و در نسخه‌های دسکتاپ کروم و فایرفاکس کاملاً آزمایش شده است. اگر ترجیح می‌دهید تمرین‌ها را به‌صورت آفلاین دانلود و اجرا کنید، این دستورالعمل‌ها را برای تنظیم یک محیط محلی ببینید.
همه
در مارس 2020، این دوره با استفاده از تمرین های برنامه نویسی کدگذاری شده با tf.keras آغاز شد. اگر ترجیح می‌دهید از تمرین‌های برنامه‌نویسی تخمین‌گذار قدیمی استفاده کنید، می‌توانید آن‌ها را در GitHub پیدا کنید.
کادر بندی
نزول به ML
کاهش ضرر
مراحل اول با TensorFlow
- تمرین برنامه نویسی: آموزش فوق سریع NumPy
- تمرین برنامه نویسی: Pandas UltraQuick Tutorick
- تمرین برنامه نویسی: رگرسیون خطی با داده های مصنوعی
- تمرین برنامه نویسی: رگرسیون خطی با مجموعه داده واقعی
مجموعه های آموزشی و تستی
اعتبار سنجی
صلیب های ویژه
- زمین بازی: معرفی صلیب های ویژگی، صلیب های پیچیده تر
- درک خود را بررسی کنید: تلاقی ویژگی ها
- تمرین برنامه نویسی: نمایش با صلیب های ویژگی
منظم سازی برای سادگی
- زمین بازی: بیش از حد عبور؟
- درک خود را بررسی کنید: L 2 Regularization، L 2 Regularization و ویژگی های مرتبط
- زمین بازی: بررسی منظم سازی L 2
طبقه بندی
- درک خود را بررسی کنید: دقت، دقت، یادآوری، دقت و یادآوری
- درک خود را بررسی کنید: ROC و AUC
- تمرین برنامه نویسی: طبقه بندی باینری
تنظیم برای اسپاسیت
- درک خود را بررسی کنید: L 1 Regularization، L 1 در مقابل L 2 Regularization
- زمین بازی: بررسی منظم سازی L 1
مقدمه ای بر شبکه های عصبی
- زمین بازی: اولین شبکه عصبی، راه‌اندازی شبکه عصبی، مارپیچ شبکه عصبی
- تمرین برنامه نویسی: مقدمه ای بر شبکه های عصبی
آموزش شبکه های عصبی
شبکه های عصبی چند کلاسه
انصاف
آموزش استاتیک در مقابل پویا
استنتاج استاتیک در مقابل پویا
وابستگی های داده
برنامه نويسي
در مارس 2020، این دوره با استفاده از تمرین های برنامه نویسی کدگذاری شده با tf.keras آغاز شد. اگر ترجیح می‌دهید از تمرین‌های برنامه‌نویسی تخمین‌گذار قدیمی استفاده کنید، می‌توانید آن‌ها را در GitHub پیدا کنید.
کادر بندی
نزول به ML
کاهش ضرر
مراحل اول با TensorFlow
- تمرین برنامه نویسی: آموزش فوق سریع NumPy
- تمرین برنامه نویسی: Pandas UltraQuick Tutorick
- تمرین برنامه نویسی: رگرسیون خطی با داده های مصنوعی
- تمرین برنامه نویسی: رگرسیون خطی با مجموعه داده واقعی
مجموعه های آموزشی و تستی
اعتبار سنجی
صلیب های ویژه
- زمین بازی: معرفی صلیب های ویژگی، صلیب های پیچیده تر
- درک خود را بررسی کنید: تلاقی ویژگی ها
- تمرین برنامه نویسی: نمایش با صلیب های ویژگی
منظم سازی برای سادگی
- زمین بازی: بیش از حد عبور؟
- درک خود را بررسی کنید: L 2 Regularization، L 2 Regularization و ویژگی های مرتبط
- زمین بازی: بررسی منظم سازی L 2
طبقه بندی
- درک خود را بررسی کنید: دقت، دقت، یادآوری، دقت و یادآوری
- درک خود را بررسی کنید: ROC و AUC
- تمرین برنامه نویسی: طبقه بندی باینری
تنظیم برای اسپاسیت
- درک خود را بررسی کنید: L 1 Regularization، L 1 در مقابل L 2 Regularization
- زمین بازی: بررسی منظم سازی L 1
مقدمه ای بر شبکه های عصبی
- زمین بازی: اولین شبکه عصبی، راه‌اندازی شبکه عصبی، مارپیچ شبکه عصبی
- تمرین برنامه نویسی: مقدمه ای بر شبکه های عصبی
آموزش شبکه های عصبی
شبکه های عصبی چند کلاسه
انصاف
آموزش استاتیک در مقابل پویا
استنتاج استاتیک در مقابل پویا
وابستگی های داده
درک خود را بررسی کنید
در مارس 2020، این دوره با استفاده از تمرین های برنامه نویسی کدگذاری شده با tf.keras آغاز شد. اگر ترجیح می‌دهید از تمرین‌های برنامه‌نویسی تخمین‌گذار قدیمی استفاده کنید، می‌توانید آن‌ها را در GitHub پیدا کنید.
کادر بندی
نزول به ML
کاهش ضرر
مراحل اول با TensorFlow
- تمرین برنامه نویسی: آموزش فوق سریع NumPy
- تمرین برنامه نویسی: Pandas UltraQuick Tutorick
- تمرین برنامه نویسی: رگرسیون خطی با داده های مصنوعی
- تمرین برنامه نویسی: رگرسیون خطی با مجموعه داده واقعی
مجموعه های آموزشی و تستی
اعتبار سنجی
صلیب های ویژه
- زمین بازی: معرفی صلیب های ویژگی، صلیب های پیچیده تر
- درک خود را بررسی کنید: تلاقی ویژگی ها
- تمرین برنامه نویسی: نمایش با صلیب های ویژگی
منظم سازی برای سادگی
- زمین بازی: بیش از حد عبور؟
- درک خود را بررسی کنید: L 2 Regularization، L 2 Regularization و ویژگی های مرتبط
- زمین بازی: بررسی منظم سازی L 2
طبقه بندی
- درک خود را بررسی کنید: دقت، دقت، یادآوری، دقت و یادآوری
- درک خود را بررسی کنید: ROC و AUC
- تمرین برنامه نویسی: طبقه بندی باینری
تنظیم برای اسپاسیت
- درک خود را بررسی کنید: L 1 Regularization، L 1 در مقابل L 2 Regularization
- زمین بازی: بررسی منظم سازی L 1
مقدمه ای بر شبکه های عصبی
- زمین بازی: اولین شبکه عصبی، راه‌اندازی شبکه عصبی، مارپیچ شبکه عصبی
- تمرین برنامه نویسی: مقدمه ای بر شبکه های عصبی
آموزش شبکه های عصبی
شبکه های عصبی چند کلاسه
انصاف
آموزش استاتیک در مقابل پویا
استنتاج استاتیک در مقابل پویا
وابستگی های داده
زمین بازی
در مارس 2020، این دوره با استفاده از تمرین های برنامه نویسی کدگذاری شده با tf.keras آغاز شد. اگر ترجیح می‌دهید از تمرین‌های برنامه‌نویسی تخمین‌گذار قدیمی استفاده کنید، می‌توانید آن‌ها را در GitHub پیدا کنید.
کادر بندی
نزول به ML
کاهش ضرر
مراحل اول با TensorFlow
- تمرین برنامه نویسی: آموزش فوق سریع NumPy
- تمرین برنامه نویسی: Pandas UltraQuick Tutorick
- تمرین برنامه نویسی: رگرسیون خطی با داده های مصنوعی
- تمرین برنامه نویسی: رگرسیون خطی با مجموعه داده واقعی
مجموعه های آموزشی و تستی
اعتبار سنجی
صلیب های ویژه
- زمین بازی: معرفی صلیب های ویژگی، صلیب های پیچیده تر
- درک خود را بررسی کنید: تلاقی ویژگی ها
- تمرین برنامه نویسی: نمایش با صلیب های ویژگی
منظم سازی برای سادگی
- زمین بازی: بیش از حد عبور؟
- درک خود را بررسی کنید: L 2 Regularization، L 2 Regularization و ویژگی های مرتبط
- زمین بازی: بررسی منظم سازی L 2
طبقه بندی
- درک خود را بررسی کنید: دقت، دقت، یادآوری، دقت و یادآوری
- درک خود را بررسی کنید: ROC و AUC
- تمرین برنامه نویسی: طبقه بندی باینری
تنظیم برای اسپاسیت
- درک خود را بررسی کنید: L 1 Regularization، L 1 در مقابل L 2 Regularization
- زمین بازی: بررسی منظم سازی L 1
مقدمه ای بر شبکه های عصبی
- زمین بازی: اولین شبکه عصبی، راه‌اندازی شبکه عصبی، مارپیچ شبکه عصبی
- تمرین برنامه نویسی: مقدمه ای بر شبکه های عصبی