کتاب صوتی راهنمای جامع اعتبارسنجی مدل و تنظیم فراپارامترها برای تحلیل‌های دقیق داده‌ای با R

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع اعتبارسنجی مدل و تنظیم فراپارامترها برای تحلیل‌های دقیق داده‌ای با R

موضوع کلی: علوم داده و یادگیری ماشین (Data Science & Machine Learning)

موضوع میانی: ارزیابی و بهینه‌سازی مدل‌های پیش‌بینی در محیط نرم‌افزاری R

📋 سرفصل‌های دوره

• 1. مبانی محیط برنامه‌نویسی و تحلیل داده در زبان R
• 2. ساختار داده‌ها و آماده‌سازی مجموعه‌های آموزشی و آزمایشی
• 3. مفاهیم پایه در اعتبارسنجی مدل‌های آماری
• 4. بررسی سوگیری و واریانس در مدل‌های پیش‌بینی
• 5. روش‌های نمونه‌گیری تصادفی و تقسیم‌بندی داده‌ها
• 6. اعتبارسنجی متقاطع k-fold و اهمیت آن در ارزیابی مدل
• 7. روش‌های اعتبارسنجی leave-one-out و تکرارپذیری
• 8. شاخص‌های ارزیابی مدل‌های رگرسیونی و خطای پیش‌بینی
• 9. ارزیابی دقت مدل‌های طبقه‌بندی با استفاده از ماتریس درهم‌ریختگی
• 10. تحلیل حساسیت و ویژگی‌های منحنی ROC
• 11. تفسیر منحنی PR در مدل‌های طبقه‌بندی نامتوازن
• 12. مفهوم فراپارامترها و تفاوت آن‌ها با پارامترهای مدل
• 13. استراتژی‌های جستجوی فضای پارامتریک
• 14. بهینه‌سازی شبکه جستجو در محیط R
• 15. جستجوی تصادفی برای یافتن پارامترهای بهینه
• 16. الگوریتم‌های بهینه‌سازی مبتنی بر گرادیان
• 17. استفاده از بسته caret برای بهینه‌سازی خودکار مدل‌ها
• 18. تنظیم فراپارامترها در مدل‌های جنگل تصادفی
• 19. بهینه‌سازی مدل‌های تقویت گرادیان در R
• 20. تنظیم فراپارامترها برای ماشین‌های بردار پشتیبان
• 21. مدیریت بیش‌برازش از طریق تنظیم پارامترهای جریمه
• 22. اعتبارسنجی مدل‌های خوشه‌بندی و معیارهای کیفیت
• 23. ارزیابی مدل‌های سری زمانی در محیط R
• 24. پیاده‌سازی اعتبارسنجی متقاطع در داده‌های وابسته به زمان
• 25. انتخاب ویژگی و تأثیر آن بر عملکرد مدل
• 26. روش‌های کاهش ابعاد و اثر آن بر پایداری مدل
• 27. مستندسازی و گزارش‌دهی نتایج ارزیابی مدل
• 28. بهینه‌سازی عملکرد کدها و مدیریت حافظه در R
• 29. تکنیک‌های اعتبارسنجی مدل در داده‌های حجیم
• 30. مقایسه آماری عملکرد مدل‌های مختلف با آزمون‌های معناداری
• 31. اصول اخلاقی در تحلیل داده و گزارش‌دهی نتایج
• 32. تأیید مدل و تحلیل پایداری در محیط عملیاتی
• 33. پیاده‌سازی خط لوله بهینه‌سازی مدل با استفاده از tidymodels
• 34. بررسی خطاهای رایج در اعتبارسنجی مدل‌های پیش‌بینی
• 35. نکات تکمیلی برای استقرار مدل‌های بهینه‌شده در محیط تولید