تمرین‌ها

مسئله‌ها روی مقیاس کیو درجه‌بندی شده‌اند: ۸ کیو ساده‌ترین و ۱ کیو سخت‌ترین. هر مسئله‌ای که حل کنی به رتبه و امتیاز افتخارت اضافه می‌شود.

۶۸ تمرین

تمرین‌ها

آماده‌سازی تصویر برای مدل ImageNet

آماره‌ی F

اسپلاین با SplineTransformer

اسپلاین مکعبی با پایه‌ی توانی بریده

اسپم

اسم‌فامیل

اعتبارسنجی متقاطع k-تایی

اعداد حقیقی

انتخاب بهترین زیرمجموعه

انتخاب تک‌متغیره‌ی ویژگی‌ها

انتخاب گام‌به‌گام پیشرو

انتخاب λ با LassoCV

بازسازی داده با M مؤلفه

بازی فولدر‌های خسته

بزرگانه

بهترین برش با شاخص جینی

بهترین برش یک درخت رگرسیون

تبدیل لگاریتمی برای داده‌ی شمارشی

توقف زودهنگام

جست‌وجوگر

جنگل تصادفی

چی‌سون؟

حاشیه‌ی یک ابرصفحه‌ی جداکننده

خطای استاندارد با بوت‌استرپ

خطای استاندارد، آماره‌ی t و p-value

خطای بیرون از کیسه

خوب‌سازی

داده‌افزایی: برش تصادفی و قرینه

رأی‌گیری یکی در برابر یکی

رگرسیون چندجمله‌ای و نوار خطای استاندارد

رگرسیون چندگانه با معادلات نرمال

رگرسیون ریج با فرمول بسته

رگرسیون لجستیک در scikit-learn

رگرسیون KNN از صفر

رنگ‌آمیزی مکعب

ساختن زنجیره و دسترسی به گام‌ها

سازماندهی رسانه

سؤال کد پایتون

ستون CSV

سه روش مقیاس‌دهی

شبکه‌ی چندلایه: دو لایه‌ی پنهان

شبکه‌ی عصبی تک‌لایه: گذر رو به جلو

شکل‌ها و پارامترهای یک CNN

طبقه‌بند بردار پشتیبان و پارامتر C

طبقه‌بند KNN از صفر

فاصله‌ی دوبه‌دو با پخش (broadcasting)

کدگذاری یک‌داغ

کرنل‌های چندجمله‌ای و شعاعی

کیسه‌ی واژه با دست

گسسته‌سازی و یک خط برای هر بازه

محاسبه‌گر

مدل با جمله‌ی تعامل

مدل نمایی با درست‌نمایی بیشینه

مدیریت داروخانه

میوه‌خوری

نخستین جهت حداقل مربعات جزئی (PLS)

نخستین مؤلفه‌ی اصلی

نزدیک‌ترین واژه‌ها در فضای تعبیه

نسبت واریانس توضیح‌داده‌شده

نیم‌دقت و مقیاس‌دهی زیان

ویژگی‌های چندجمله‌ای و تعامل

هرس پیچیدگی-هزینه

یکسان‌سازی و توکن‌سازی متن فارسی

F1 چندکلاسه: macro، micro و weighted

GridSearchCV

MLPClassifier در scikit-learn

n-gram ها

softmax، آنتروپی متقاطع و گرادیانش