تعیین میزان چربی بدن، در حوزه‌های پزشکی و سلامت حائز اهمیت است و از طرفی، اندازه‌گیری دقیق آن با روش‌های موجود سخت است. به همین دلیل، در این آموزش سعی کرده‌ایم با استفاده از روش‌های یادگیری ماشین، میزان چربی بدن افراد را با استفاده از برخی ویژگی‌های در دسترس آناتومیک پیش‌بینی کنیم.
آموزش رگرسیون خطی و شبکه عصبی MLP در پایتون برای پیش بینی چربی بدن – رایگان
ایشان در زمینه یادگیری ماشین از جمله یادگیری نظارت‌شده (Supervised Learning) و یادگیری تقویتی (Reinforcement Learning) مشغول فعالیت هستند و در سال‌های اخیر تمرکزشان بر روی تحلیل سری‌های زمانی مربوط به بازارهای مالی و پیاده‌سازی مدل‌سازی‌هایی مربوط به ساختار مولکول‌ها بوده است.
توضیحات تکمیلی
تعیین میزان چربی بدن، در حوزه‌های پزشکی و سلامت حائز اهمیت است و از طرفی، اندازه‌گیری دقیق آن با روش‌های موجود سخت است. به همین دلیل، در این آموزش سعی کرده‌ایم با استفاده از روش‌های یادگیری ماشین، میزان چربی بدن افراد را با استفاده از برخی ویژگی‌های در دسترس آناتومیک پیش‌بینی کنیم.
فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
- آشنایی با مجموعه داده
- کار با فایل داده در پایتون
- پیش‌پردازش و مصورسازی مجموعه داده
- مدل‌سازی و آموزش مدل
- گزارش عملکرد مدل
مفید برای
- علاقه‌مندان به برنامه‌نویسی پایتون
- هوش مصنوعی - یادگیری ماشین
پیش نیاز
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
جهت شروع مطالعه و یادگیری نیاز است بعد از
اطلاعات تکمیلی
| نام آموزش | آموزش رگرسیون خطی و شبکه عصبی MLP در پایتون برای پیش بینی چربی بدن – رایگان |
|---|---|
| ناشر | فرادرس |
| کد آموزش | FVMLBM101 |
| مدت زمان | ۴۴ دقیقه |
| زبان | فارسی |
| نوع آموزش | آموزش ویدئویی (نمایش آنلاین + دانلود) |
نظرات
سلام ممنون از آموزش عالی تون