یادگیری ماشین کاربردی با پایتون

بیشتر دوره‌های یادگیری ماشین به دقت مدل ختم می‌شوند. اینجا از همان‌جا شروع می‌کنیم. مسیر دوره از دادهٔ کثیف واقعی آغاز می‌شود و به مدلی می‌رسد که در محیط عملیاتی سرویس می‌دهد، پایش می‌شود و وقتی کیفیتش افت کرد هشدار می‌دهد. سرفصل‌های اصلی: ۱. پاک‌سازی و مهندسی ویژگی ۲. مدل‌های پایه و ارزیابی درست ۳. اعتبارسنجی متقاطع و نشت داده ۴. تفسیرپذیری مدل برای ذی‌نفع غیرفنی ۵. سرویس‌دهی مدل و پایش کیفیت پیش‌نیاز: پایتون در حد متوسط و آشنایی با آمار مقدماتی.