جارٍ تحميل الدرس...
في نافذة الطباعة اختر «حفظ كملف PDF» كوجهة.
تعلم الآلة، الأسبوع 11
اجمع مراحل عشرة أسابيع، وسلم المشروع، ونافس على أفضل مشروع.
الأسبوع 11 من الخطة
| الجزء | ما نفعله | الزمن |
|---|---|---|
| 1 | المخرجات الستة | 15 دقيقة |
| 2 | من مراحل الأسابيع إلى التسليم | 10 دقائق |
| 3 | المسابقة وموضوعات المستقبل | 5 دقائق |
| 4 | تمرين: المراجعة النهائية لفريقك | 30 دقيقة |
الجزء 1
خمسة مخرجات مطلوبة
| # | المخرج | ما تسلمه |
|---|---|---|
| 1 | شيفرة المشروع | مستودع (repository) على GitHub يضم دفترك وبياناتك |
| 2 | فيديو المشروع | فيديو مدته 5 دقائق |
| 3 | مقترح المشروع | مقترح الأسبوع 2، بعد مراجعته |
| 4 | العرض التقديمي للمشروع | شرائح الأسابيع من 8 إلى 10، بعد تحديثها |
| 5 | شعار المشروع | شعار للمشروع |
5 دقائق تساوي 300 ثانية، لذا احسب زمن كل جزء
| الجزء | الثواني | من، إلى |
|---|---|---|
| المشكلة والبيانات | 45 | 0:00، 0:45 |
| التنظيف والخصائص والهدف | 60 | 0:45، 1:45 |
| النماذج ودرجاتها | 90 | 1:45، 3:15 |
| تجربة حية (demo): الدفتر أو الواجهة | 60 | 3:15، 4:15 |
| ما تعلمته، وما يأتي بعد ذلك | 45 | 4:15، 5:00 |
| المخرج | مصدره | ما تنهيه في الأسبوع 11 |
|---|---|---|
| المقترح | الأسبوع 2 | تحقق من أنه ما زال يصف المشروع الذي بنيته |
| العرض التقديمي | الأسابيع من 8 إلى 10 | أضف ملاحظات النقاش والدرجات النهائية |
| الشعار | لا مرحلة سابقة | صممه، ثم استخدمه في الشرائح والفيديو وملف README |
الجزء 2
الأسبوعان 1-2
الفريق، والفكرة، والمقترح
الأسبوع 3
الاستكشاف والتنظيف
الأسبوع 4
الخصائص والهدف
الأسابيع 5-7
النماذج: KNN والأشجار وNaive Bayes
الأسابيع 8-10
العروض والمناقشات
الأسبوع 11
التسليم النهائي
التزم فريق بكل مرحلة من الأسبوع 1 إلى الأسبوع 10
الجزء 3
أفضل المشاريع تفوز في مسابقات المقرر
النقاط الإضافية في الخطة
| الموضوع | يبني على | scikit-learn |
|---|---|---|
| الانحدار الخطي المتعدد | الأسبوع 3: استخدم الدفتر خمس خصائص بالفعل | LinearRegression |
| SVM، آلات المتجهات الداعمة (support vector machines) | الأسابيع من 4 إلى 7: مصنف (classifier) آخر، بنمط fit وpredict وscore نفسه | SVC |
| GBMs، آلات التعزيز التدرجي (gradient boosting machines) | الأسبوع 6: أشجار قرار كثيرة مدمجة في نموذج واحد | GradientBoostingClassifier |
نحو 5 دقائق
MultinomialNB وGaussianNBالإجابات
| العمل | الأسبوع |
|---|---|
| 1. المتغير الهدف | 4: الخصائص والهدف |
| 2. K لنموذج KNN بحلقة الكوع | 5: KNN |
| 3. درجة التدريب مقابل درجة الاختبار لشجرة | 6: الأشجار والغابة |
4. MultinomialNB أو GaussianNB | 7: Naive Bayes |
| 5. الفكرة ومجموعة البيانات | 2: المقترح |
نحو 5 دقائق
خطط الفريق لأربعة أجزاء: 30 و75 و105 و50 ثانية
نحو 20 دقيقة
300 ثانيةMahmoud Abas|تسليم المشروع النهائي