کتاب صوتی تشخیص انحراف مدل‌های یادگیری ماشین: اصول و کاربرد

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تشخیص انحراف مدل‌های یادگیری ماشین: اصول و کاربرد

موضوع کلی: توسعه برنامه‌های وب پیشرفته

موضوع میانی: Machine learning model drift detection techniques and tools implementation and interpretation

📋 سرفصل‌های دوره

• 1. تشخیص داده‌های پرت در یادگیری ماشین
• 2. مقدمه‌ای بر انحراف مدل و اثرات آن
• 3. انواع انحراف مدل: یک نمای کلی
• 4. انحراف در داده‌های آموزشی
• 5. انحراف در ویژگی‌ها
• 6. انحراف در الگوریتم‌ها
• 7. انحراف ناشی از نمونه‌برداری
• 8. انحراف در ارزیابی مدل
• 9. اهمیت پیش‌پردازش داده‌ها برای کاهش انحراف
• 10. تکنیک‌های پاکسازی داده‌ها
• 11. نرمال‌سازی و استانداردسازی داده‌ها
• 12. مقابله با داده‌های گم‌شده
• 13. مهندسی ویژگی برای کاهش انحراف
• 14. انتخاب ویژگی‌های مرتبط
• 15. کاهش ابعاد داده‌ها
• 16. روش‌های تشخیص داده‌های پرت یک‌بعدی
• 17. روش‌های تشخیص داده‌های پرت چندبعدی
• 18. استفاده از آستانه‌های آماری برای تشخیص انحراف
• 19. تشخیص انحراف با استفاده از روش‌های مبتنی بر فاصله
• 20. روش‌های مبتنی بر خوشه برای تشخیص انحراف
• 21. درخت تصمیم برای تشخیص داده‌های پرت
• 22. جنگل تصادفی برای تشخیص انحراف
• 23. ماشین‌های بردار پشتیبان برای تشخیص انحراف
• 24. شبکه‌های عصبی برای تشخیص انحراف
• 25. ارزیابی عملکرد روش‌های تشخیص انحراف
• 26. متریک‌های ارزیابی: دقت، بازخوانی و F1-score
• 27. استفاده از نمودار ROC برای ارزیابی
• 28. روش‌های بهبود تشخیص انحراف
• 29. ترکیب چند روش تشخیص انحراف
• 30. استفاده از یادگیری نیمه‌نظارتی
• 31. بهبود تشخیص انحراف با داده‌های نامتوازن
• 32. کاربرد تشخیص انحراف در تشخیص تقلب
• 33. کاربرد تشخیص انحراف در تشخیص نفوذ
• 34. کاربرد تشخیص انحراف در مراقبت‌های بهداشتی
• 35. کاربرد تشخیص انحراف در پیش‌بینی تعمیر و نگهداری
• 36. کاربرد تشخیص انحراف در تحلیل شبکه‌های اجتماعی
• 37. کاربرد تشخیص انحراف در سیستم‌های توصیه‌گر
• 38. تشخیص انحراف در داده‌های سری زمانی
• 39. تشخیص انحراف در تصاویر
• 40. تشخیص انحراف در متن
• 41. تشخیص انحراف در داده‌های جغرافیایی
• 42. چالش‌های تشخیص انحراف در داده‌های بزرگ
• 43. نکات عملی در تشخیص انحراف مدل
• 44. ابزارهای رایج برای تشخیص انحراف مدل
• 45. منابع بیشتر برای مطالعه و تحقیق