Machine Learning 13 Decision Trees Classification Entropy Code Python Implement تدريب أشجار القرار скачать в хорошем качестве

Machine Learning 13 Decision Trees Classification Entropy Code Python Implement تدريب أشجار القرار

To share this video:    • Machine Learning 13 Decision Trees Classif...   Twitter:   / h_a_hashim   Linkedin:   / h-a-hashim   Facebook:   / hashimedutech   سلسلة الذكاء الاصطناعى Machine Learning Course: Supervised, unsupervised, and Semisupervised Arabic التعليم الآلي والذكاء الاصطناعي خاضع و غير الخاضع و شبه خاضع للإشراف عربى بالعربي هاشم عبدالله هاشم --------------------------------------------------------------------------- 1. Introduction to Artificial Intelligence (AI) and Machine Learning (ML) 2. Getting Started with ML Project & Prepare the Data for ML Algorithms 3. Classifier: Training a Binary Classifier, Confusion Matrix, Precision and Recall 4. Classifier: Multiclass Classifier and Error Analysis 5. Hyperparameters: Epoches, Batches, and Iterations 6. Training Models: Cost Function, Linear Regression, Gradient Descent (GD) 7. Training Models: Stochastic & Mini-batch Gradient Descent, Logistic Regression 8. Training Models: Polynomial Regression, Training Challenges, Data Split and Early Stopping 9. Linear and Nonlinear Support Vector Machine (SVM) and Decision Trees 10. Ensemble Learning, Bagging and Pasting, and Random Forest 11. Dimensionality Reduction 12. Unsupervised Learning Techniques: Clustering, K-Means, and Image Segmentation 13. Semi-Supervised: Representative Cluster, Label Propagation, and Closest Percentile 1 مقدمة في الذكاء الاصطناعي (AI) وتعلم الآلة (ML) 2 البدء بمشروع تعلم الآلة وتحضير البيانات لخوارزميات تعلم الآلة المصنف: تدريب مصنف ثنائي، مصفوفة الالتباس، الدقة والاسترجاع 3 4. المصنف: مصنف متعدد الفئات وتحليل الأخطاء الفرط المعلمات: العصور (Epochs)، الدُفعات (Batches)، والتكرارات (Iterations) 5 تدريب النماذج: دالة التكلفة، الانحدار الخطي، والانحدار التدرجي (GD) 6 تدريب النماذج: الانحدار التدرجي العشوائي والمصغر، والانحدار اللوجستي 7 تدريب النماذج: الانحدار المتعدد الحدود، تحديات التدريب، تقسيم البيانات والإيقاف المبكر 8 9 آلات الدعم النقطية (SVM) الخطية وغير الخطية وأشجار القرار التعلم التجميعي، التجميع والتكرار، والغابة العشوائية 10 (Random Forest) تقليل الأبعاد 11 (Dimensionality Reduction) تقنيات التعلم غير الخاضع للإشراف: التجميع، خوارزمية 12 K-Means، وتجزئة الصور التعلم شبه الخاضع للإشراف: الكتلة التمثيلية، نشر التسميات، وأقرب نسبة مئوية 13