فصل اول: مقدمه یادگیری ماشین با پایتون
 
11 سوال
    
18:04 1402/01/10
فصل دوم: رگرسیون Regression
 
81 سوال
    
03:30 1402/01/09
فصل سوم: دسته بندی Classification
 
19 سوال
    
11:36 1401/12/07
فصل چهارم: خوشه‌بندی Clustering
 
17 سوال
    
23:02 1401/08/22
فصل پنجم: سیستم‌های توصیه‌گر Recommender Systems
 
8 سوال
    
22:37 1401/12/14
سوالات اخیر
شبکه عصبی مصنوعی
توی این دوره شبکه عصبی مصنوعی آموزش داده نشده؟
1 پاسخ
0 امتیاز
بهاره سرداری
23:34 1401/11/15
میزان Variance score قابل قبول و روش مناسب برای رگرسیون پروژه فصل اول
سلام وقتتون بخیر برای پروژه فصل اول صحبتی از نوع روش انتخابی برای رگرسیون نشد وممنون میشم راهنمایی کنید که باتوجه به چند پارامتر بودن مسئله امکان استفاده از روش غیرخطی وجود دارد؟ چون در طول جلسات غیرخطی همواره با یک پارامتر و عامل فرمول ها انجام میشد و اینکه میزان Variance score قابل قبول در این پروژه چه میزان میباشد؟
3 پاسخ
0 امتیاز
دانیال طلوعی ازناوه
22:52 1401/11/15
روش KNN
سلام و خسته نباشید سوال من اینه که وقتی در X در روش KNN ده تا فیچر داریم نزدیکترین همسایگی بر اساس کدام فیچر در نظر گفته می‌شود؟ آیا فاصله برداری با مثلا نرم های برداری است؟
1 پاسخ
0 امتیاز
الهام نوبری
21:25 1401/09/25
نصب آناکوندا
سلام من توی نصب anaconda به مشکل میخورم میشه کمک بکنید ؟؟
1 پاسخ
0 امتیاز
عرفان شفیعی کوشالی
09:10 1401/09/23
رگرسیون
ببخشید در فصل اول که رگرسیون رو توضیح دادن و در امتحان اومده ترجمه متنش میشه (روند ها را با استفاده از داده های برچسب گذاری شده قبلی پیش بینی میکند). خب مثالی که استاد زدن مثل توده سرطانی که ما چند مدل به سیستم داده میدیم و میگیم این خوش خیم هست و چند تا دیگه که میگیم بد خیمه. سپس یک سری اطلاعات یا داده به سیستم میدیم میپرسیم این خوش خیمه یا نه. خب این دقیقا میشه …
1 پاسخ
0 امتیاز
aliisey
10:05 1401/09/19