ML with Python Logistic Regression

آیا به دنبال راهی عملی برای استفاده از یادگیری ماشین در حل مسائل پیچیده دنیای واقعی هستید؟ رگرسیون لجستیک یکی از روش‌های یادگیری ماشین نظارت‌ شده است که با مدل‌سازی داده‌ها به پیش‌بینی نتایج ممکن می‌پردازد. در این دوره، پروفسور فردریک نوانگانگا از دانشگاه نوتردام یک راهنمای گام به گام برای ساخت مدل رگرسیون لجستیک با استفاده از پایتون ارائه می‌دهد. ابتدا نکات عملی در مورد جمع‌آوری، بررسی و تبدیل داده‌ها را یاد بگیرید. تا پایان این دوره، شما مهارت‌های فنی لازم برای طراحی، ساخت، ارزیابی و مدیریت موثر یک مدل رگرسیون لجستیک را به طور مستقل خواهید داشت.
این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه‌دهنده ابری فوری که تمامی امکانات یک IDE محبوب را بدون نیاز به تنظیمات محلی ارائه می‌دهد. با GitHub Codespaces، می‌توانید از هر دستگاهی و در هر زمان به صورت عملی تمرین کنید و از ابزاری استفاده کنید که احتمالاً در محیط کار با آن روبرو خواهید شد. ویدیوی "استفاده از GitHub Codespaces در این دوره" را مشاهده کنید تا نحوه شروع به کار را بیاموزید.