×
۹۰,۰۰۰ تومان

آموزش پیش بینی با الگوریتم های یادگیری ماشین در پایتون – پیش بینی نارسایی قلبی

آموزش پیش بینی با الگوریتم های یادگیری ماشین در پایتون – پیش بینی نارسایی قلبی

هزینه آموزش
۹۰,۰۰۰ تومان

تعداد دانشجو
۶۱ نفر
مدت زمان
۱ ساعت و ۱۴ دقیقه
محتوای این آموزش
تضمین کیفیت
۱ بازخورد (مشاهده نظرات)

سالانه بیش از ۱۳ درصد آمار مرگ و میر به بیماری‌های قلبی مربوط است که عدد بسیار بزرگی است. می‌توان با تشخیص و پیش‌بینی زودهنگام، از وقوع این موارد جلوگیری کرد. از طرفی در طی تحقیقات، نتایجی مبنی بر ارتباط بیماری‌های قلبی با برخی متغیرهای مربوط به افراد مشاهده شده است. در این آموزش قصد داریم ابتدا یک مجموعه داده را بررسی و سپس با استفاده از الگوریتم‌های یادگیری ماشین، وقوع سکته قلبی برای بیماران را پیش‌بینی کنیم.

آموزش پیش بینی با الگوریتم های یادگیری ماشین در پایتون – پیش بینی نارسایی قلبی

تعداد دانشجو
۶۱ نفر
مدت زمان
۱ ساعت و ۱۴ دقیقه
هزینه آموزش
۹۰,۰۰۰ تومان
محتوای این آموزش
تضمین کیفیت
۱ بازخورد (مشاهده نظرات)

سید علی کلامی‌ هریس

مدرس پایتون و یادگیری ماشین

سید علی کلامی هریس، دانشجوی سال چهارم داروسازی دانشگاه علوم پزشکی تهران هستند. ایشان در سال 1397 از دبیرستان «پروفسور حسابی» تبریز فارغ‌التحصیل شدند و هم اکنون در کنار تحصیل در حوزه دارو‌سازی، به فعالیت در زمینه برنامه‌نویسی پایتون، یادگیری ماشین (Machine Learning) و تحلیل بازارهای مالی با استفاده از الگوریتم‌های هوشمند می‌پردازند. ایشان در زمینه‌ یادگیری ماشین از جمله یادگیری نظارت‌شده (Supervised Learning) و یادگیری تقویتی (Reinforcement Learning) مشغول به فعالیت هستند و در سال‌های اخیر تمرکز ایشان بر روی تحلیل سری‌های زمانی مربوط به بازارهای مالی، پیاده‌سازی و مدل‌سازی‌هایی مربوط به ساختار مولکول‌ها بوده است.

توضیحات تکمیلی

سالانه بیش از ۱۳ درصد آمار مرگ و میر به بیماری‌های قلبی مربوط است که عدد بسیار بزرگی است. می‌توان با تشخیص و پیش‌بینی زودهنگام، از وقوع این موارد جلوگیری کرد. از طرفی در طی تحقیقات، نتایجی مبنی بر ارتباط بیماری‌های قلبی با برخی متغیرهای مربوط به افراد مشاهده شده است. در این آموزش قصد داریم ابتدا یک مجموعه داده را بررسی و سپس با استفاده از الگوریتم‌های یادگیری ماشین، وقوع سکته قلبی برای بیماران را پیش‌بینی کنیم.

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: تحلیل و مصورسازی مجموعه داده
    • آشنایی با مجموعه داده
    • تحلیل مجموعه داده
    • مصورسازی مجموعه داده
  • درس دوم: انجام پیش‌بینی و ارزیابی نتایچ
    • مدل رگرسیون لجستیک (Logistic Regression)
    • مدل k نزدیک‌ترین همسایه (K-Nearest Neighbors)
    • بررسی عدم تعادل در مجموعه داده، مشکلات به وجود آمده و روش‌های رفع آن
    • آموزش پرسپترون چندلایه (Multilayer Perceptron)
مفید برای
  • یادگیری ماشین
  • داروسازی
  • پزشکی
  • علوم کامپیوتر

پیش نیاز


آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

Python 3.9.7

پیش نمایش‌ها

۱. تحلیل و مصورسازی مجموعه داده
۲. انجام پیش‌بینی و ارزیابی نتایچ
این آموزش شامل ۳ جلسه ویدئویی با مجموع ۱ ساعت و ۱۴ دقیقه است.
با تهیه این آموزش، می‌توانید به همه بخش‌ها و جلسات آن، دسترسی داشته باشید.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش پیش بینی با الگوریتم های یادگیری ماشین در پایتون – پیش بینی نارسایی قلبی
ناشر فرادرس
کد آموزش FVMLBM102
مدت زمان ۱ ساعت و ۱۴ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۱۸۳ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس)


تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.




نظرات

تا کنون ۶۱ نفر از این آموزش استفاده کرده‌اند و ۱ نظر ثبت شده است.
Amir
Amir
۱۴۰۱/۰۳/۲۹

Fantastic Dr Harris. Great teacher. I really enjoyed it. Looking forward to more projects

 دکتر هریس فوق العاده هستند، بهترین مدرس من واقعا ازش لذت بردم، منتظر پروژه های بیشتر هستیم.


برچسب‌ها:
k-Nearest Neighbors | logistic regression | Multilayer perceptron | Support Vector Machine Algorithm | SVM Algorithm | آشنایی با مجموعه داده | آموزش پرسپترون چندلایه | آموزش پیش بینی نارسایی قلبی | اصول پیش بینی نارسایی قلبی | الگوریتم یادگیری ماشین | انجام پیش‌ بینی با SVM | اهمیت الگوریتم یادگیری ماشین | اهمیت پیش بینی نارسایی قلبی | بررسی الگوریتم یادگیری ماشین | بررسی مجموعه داده با SVM | پیش بینی با الگوریتم یادگیری ماشین | پیش بینی نارسایی قلبی | پیش بینی نارسایی قلبی با SVM | پیش بینی وقوع سکته قلبی | تحلیل مجموعه داده | تحلیل مجموعه داده با SVM | چگونگی پیش بینی نارسایی قلبی | دلیل پیش بینی نارسایی قلبی | راهکارهای پیش بینی نارسایی قلبی | روش های پیش بینی نارسایی قلبی | شناخت الگوریتم یادگیری ماشین | کاربرد الگوریتم یادگیری ماشین | کاربرد پیش بینی نارسایی قلبی | مدل k نزدیک ‌ترین همسایه | مدل رگرسیون لجستیک | مصورسازی مجموعه داده | مصورسازی مجموعه داده با SVM | یادگیری پیش بینی نارسایی قلبی
مشاهده بیشتر مشاهده کمتر
×
فهرست جلسات ۳ جلسه ویدئویی
×