فلشکارتهای آموزشی معیارهای ارزیابی مدلهای طبقهبندی و رگرسیون در علم داده
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره معیارهای ارزیابی مدلهای طبقهبندی و رگرسیون در علم داده
موضوع کلی: علم داده و یادگیری ماشین
موضوع میانی: ارزیابی مدلهای یادگیری ماشین
📋 سرفصلهای دوره
- 1. مقدمهای بر علم داده و یادگیری ماشین
- 2. مبانی یادگیری ماشین
- 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
- 4. رگرسیون در مقابل طبقهبندی
- 5. مقدمهای بر ارزیابی مدل
- 6. اهمیت معیارهای ارزیابی
- 7. معیارهای ارزیابی برای رگرسیون
- 8. خطای میانگین مربعات (MSE)
- 9. ریشه خطای میانگول مربعات (RMSE)
- 10. خطای میانگین قدر مطلق (MAE)
- 11. ضریب تعیین (R-squared)
- 12. خطای میانگین مربعات لگاریتمی (MSLE)
- 13. معیارهای ارزیابی برای طبقهبندی
- 14. ماتریس درهمریختگی (Confusion Matrix)
- 15. صحت (Accuracy)
- 16. دقت (Precision)
- 17. بازیابی (Recall)
- 18. امتیاز F1
- 19. ویژگیهای یک معیار خوب
- 20. استانداردهای رسمی ارزیابی مدل در ایران
- 21. ملاحظات شرعی در ارزیابی مدل
- 22. تأثیر دادههای نامتوازن بر ارزیابی
- 23. روشهای مقابله با دادههای نامتوازن
- 24. نمونهگیری بیش از حد (Oversampling)
- 25. نمونهگیری کم (Undersampling)
- 26. تولید دادههای مصنوعی (SMOTE)
- 27. اعتبارسنجی متقابل (Cross-Validation)
- 28. اعتبارسنجی K-Fold
- 29. اعتبارسنجی Leave-One-Out
- 30. اعتبارسنجی Stratified K-Fold
- 31. معیارهای ارزیابی برای طبقهبندی چندکلاسه
- 32. میانگین دقت (Macro-average Precision)
- 33. میانگین بازیابی (Macro-average Recall)
- 34. میانگین امتیاز F1 (Macro-average F1)
- 35. وزندهی به کلاسها
- 36. معیارهای ارزیابی برای مسائل دستهبندی دودویی
- 37. منحنی مشخصه عملکرد گیرنده (ROC Curve)
- 38. سطح زیر منحنی ROC (AUC-ROC)
- 39. منحنی دقت-بازیابی (Precision-Recall Curve)
- 40. سطح زیر منحنی دقت-بازیابی (AUC-PR)
- 41. انتخاب معیار مناسب بر اساس مسئله
- 42. تفسیر نتایج ارزیابی
- 43. خطاهای متداول در ارزیابی مدل
- 44. بیشبرازش (Overfitting)
- 45. کمبرازش (Underfitting)
- 46. تکنیکهای جلوگیری از بیشبرازش
- 47. تنظیم فراپارامترها (Hyperparameter Tuning)
- 48. جستجوی شبکهای (Grid Search)
- 49. جستجوی تصادفی (Random Search)
- 50. بهینهسازی بیزی (Bayesian Optimization)
- 51. ارزیابی مدلهای یادگیری عمیق
- 52. ملاحظات خاص در ارزیابی مدلهای پیشرفته
- 53. ارزیابی مدلهای تشخیص تصویر
- 54. ارزیابی مدلهای پردازش زبان طبیعی
- 55. ارزیابی مدلهای سری زمانی
- 56. معیارهای ارزیابی در مسائل تشخیص ناهنجاری
- 57. معیارهای ارزیابی در مسائل پیشبینی
- 58. معیارهای ارزیابی در مسائل خوشهبندی
- 59. معیارهای ارزیابی در مسائل کاهش ابعاد
- 60. معیارهای ارزیابی در مسائل استخراج قوانین وابستگی
- 61. ارزیابی مدلهای مبتنی بر قوانین
- 62. ارزیابی مدلهای مبتنی بر درخت تصمیم
- 63. ارزیابی مدلهای مبتنی بر ماشین بردار پشتیبان (SVM)
- 64. ارزیابی مدلهای رگرسیون لجستیک
- 65. ارزیابی مدلهای رگرسیون خطی
- 66. ارزیابی مدلهای رگرسیون پولی
- 67. ارزیابی مدلهای رگرسیون پواسون
- 68. ارزیابی مدلهای رگرسیون گاما
- 69. ارزیابی مدلهای رگرسیون برنولی
- 70. ارزیابی مدلهای رگرسیون چندجملهای
- 71. ارزیابی مدلهای رگرسیون ناپارامتری
- 72. ارزیابی مدلهای رگرسیون گوسین
- 73. ارزیابی مدلهای رگرسیون گوسین فرآیندی
- 74. ارزیابی مدلهای رگرسیون گوسین تعمیم یافته
- 75. ارزیابی مدلهای رگرسیون گوسین تعمیم یافته وزنی
- 76. ارزیابی مدلهای رگرسیون گوسین تعمیم یافته پویا
- 77. ارزیابی مدلهای رگرسیون گوسین تعمیم یافته غیرخطی
- 78. ارزیابی مدلهای رگرسیون گوسین تعمیم یافته غیرخطی پویا
- 79. ارزیابی مدلهای رگرسیون گوسین تعمیم یافته غیرخطی وزنی
- 80. ارزیابی مدلهای رگرسیون گوسین تعمیم یافته غیرخطی وزنی پویا
- 81. ارزیابی مدلهای رگرسیون گوسین تعمیم یافته غیرخطی پویا وزنی
- 82. ارزیابی مدلهای پیشبینی سری زمانی
- 83. ارزیابی مدلهای پیشبینی تقاضا
- 84. ارزیابی مدلهای پیشبینی قیمت
- 85. ارزیابی مدلهای پیشبینی آب و هوا
- 86. ارزیابی مدلهای پیشبینی ریسک
- 87. ارزیابی مدلهای تشخیص تقلب
- 88. ارزیابی مدلهای تشخیص اسپم
- 89. ارزیابی مدلهای تشخیص نفوذ
- 90. ارزیابی مدلهای تشخیص بیماری
- 91. ارزیابی مدلهای تشخیص عیب
- 92. ارزیابی مدلهای طبقهبندی مشتریان
- 93. ارزیابی مدلهای پیشبینی ریزش مشتری
- 94. ارزیابی مدلهای تشخیص احساسات
- 95. ارزیابی مدلهای ترجمه ماشینی
- 96. ارزیابی مدلهای خلاصهسازی متن
- 97. ارزیابی مدلهای تولید متن
- 98. ارزیابی مدلهای طبقهبندی تصاویر
- 99. ارزیابی مدلهای تشخیص اشیاء
- 100. ارزیابی مدلهای بخشبندی تصاویر
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلشکارت؛ تجربهای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دورههای واجد شرایط.
مرور فاصلهدار
آمار یادگیری
گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را بهصورت مرحلهای دنبال کنید، فلشکارتها را مرور کنید، دانش خود را با پرسشها و آزمونها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصلهدار هوشمند
با مرور زماندار، کارتهای تازه و کارتهای سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخها به زمانبندی مرورهای بعدی کمک میکند تا تمرین متناسبتری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلشکارتها، فعالیتهای مرور، عملکرد آزمونها و آمار یادگیری را بررسی کنید و تصویر روشنتری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحلهبهمرحله
فصلها و بخشهای آموزشی را به ترتیب دنبال کنید، مطالب دیدهنشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموختهها
با نکتههای آموزشی، پرسش و پاسخ، کوییزها و آزمونهای پایان فصل، دانستههای خود را تمرین کنید و بخشهایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارتهای تازه و موعد مرور کارتها آماده میکند. شما پاسخ را ارزیابی میکنید و برنامه مرور با توجه به آن تنظیم میشود.
دوباره
برای کارتهایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخهایی که با دشواری به یاد آمدهاند.
خوب
برای پاسخهایی که بهدرستی به یاد آوردهاید.
آسان
برای کارتهایی که پاسخ آنها را بهآسانی میدانید.
برنامه مرور بر اساس ارزیابی شما تنظیم میشود؛ مرور منظم میتواند به تثبیت آموختهها کمک کند، اما بهتنهایی تضمینکننده تسلط کامل نیست.
محتوا را به شیوههای مختلف تمرین کنید
ساختار دورهها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکتههای ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکتههای رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه میشود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، میتوانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دورههای در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمانهای کوتاه
تبلت و لپتاپ
برای مطالعه و مرور راحتتر
حساب کاربری شخصی
برای دسترسی به دورههای مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دورههایی که امکان دریافت گواهی برای آنها فعال است، میتوانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلشکارتهای فعال دوره.
✓ قبولی در آزمونهای پایان فصل، در صورت وجود آزمون برای فصلها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخههای فارسی و انگلیسی گواهی در دسترس قرار میگیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر میشود. این گواهی، گواهی پایان دوره آموزشی است و بهخودیخود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدمبهقدم دانش و مهارتهایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه
یادگیری هوشمند، قدمبهقدم
با محیط سامانه آموزشی آشنا شوید و نمونههایی از فضای یادگیری، فلشکارتها و ابزارهای مرور و تمرین را مشاهده کنید.
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری فراتر از مطالعه معمولی
با فلشکارتهای آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.