کتاب معیارهای ارزیابی مدل: فراتر از دقت با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره معیارهای ارزیابی مدل: فراتر از دقت

موضوع کلی: علم داده

موضوع میانی: ارزیابی مدل

📋 سرفصل‌های دوره

  • 1. ارزیابی مدل‌های پیش‌بینی: مفاهیم پایه
  • 2. مقدمه‌ای بر شاخص‌های ارزیابی
  • 3. دقت: تعریف و محدودیت‌ها
  • 4. بررسی ماتریس درهم‌ریختگی
  • 5. صحت و فراخوانی: تعادل بین دو معیار
  • 6. دقت، بازخوانی و نمره F1
  • 7. منحنی ROC و AUC: درک و تفسیر
  • 8. انتخاب آستانه بهینه در طبقه‌بندی
  • 9. ارزیابی مدل‌های چند کلاسه
  • 10. دقت بالا در داده‌های نامتوازن
  • 11. روش‌های نمونه‌برداری برای داده‌های نامتوازن
  • 12. ارزیابی مدل‌های رگرسیون: معیارهای خطا
  • 13. میانگین مربعات خطا (MSE) و ریشه میانگین مربعات خطا (RMSE)
  • 14. میانگین قدر مطلق خطا (MAE)
  • 15. R-squared: توضیح و تفسیر
  • 16. ارزیابی مدل‌های خوشه‌بندی: معیارهای انسجام
  • 17. شاخص سیلوئت: ارزیابی کیفیت خوشه‌بندی
  • 18. شاخص دیویس-بولدین: مقایسه خوشه‌بندی‌ها
  • 19. اعتبارسنجی متقابل (Cross-Validation): انواع و کاربردها
  • 20. اعتبارسنجی k-fold: پیاده‌سازی و مزایا
  • 21. اعتبارسنجی Leave-one-out: کاربردها و محدودیت‌ها
  • 22. بوت‌استرپ: روشی برای تخمین پایداری مدل
  • 23. اهمیت ویژگی‌ها (Feature Importance) و انتخاب ویژگی
  • 24. روش‌های فیلتر، پوشه و تعبیه‌ای برای انتخاب ویژگی
  • 25. ارزیابی مدل‌های مبتنی بر درخت تصمیم
  • 26. اهمیت شاخص گینی و آنتروپی
  • 27. ارزیابی مدل‌های جنگل تصادفی
  • 28. تنظیم هایپرپارامترها برای بهبود عملکرد مدل
  • 29. جستجوی شبکه‌ای (Grid Search) و جستجوی تصادفی (Random Search)
  • 30. ارزیابی مدل‌های شبکه‌های عصبی
  • 31. گام‌های تنظیم و بهینه‌سازی شبکه‌های عصبی
  • 32. ارزیابی مدل‌های پردازش زبان طبیعی (NLP)
  • 33. معیارهای ارزیابی در ترجمه ماشینی
  • 34. ارزیابی مدل‌های تشخیص تصویر
  • 35. میانگین دقت (mAP) در تشخیص اشیاء
  • 36. ارزیابی مدل‌های پیشنهاد دهنده (Recommender Systems)
  • 37. Recall@K و Precision@K
  • 38. ارزیابی مدل‌های سری زمانی
  • 39. خطای میانگین مطلق درصد (MAPE)
  • 40. ارزیابی مدل‌های یادگیری تقویتی
  • 41. پاداش تجمعی و نرخ موفقیت
  • 42. مقایسه مدل‌ها: آزمون‌های آماری
  • 43. آزمون t و آزمون ANOVA
  • 44. اثر حجم داده بر ارزیابی مدل
  • 45. اثر انتخاب ویژگی بر ارزیابی مدل

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.