用遺傳演算法做機器學習的最佳化

學習如何使用 Python 寫遺傳演算法的程式,以及如何最佳化機器學習演算法的性能

報名參加課程

從這 6.5 小時的課程,你會學到

  • 應用遺傳演算法最佳化機器學習演算法
  • 遺傳演算法在支持向量機和多層感知器神經網路中的應用
  • 學習如何在 Python 中編寫遺傳演算法的程式

要求

課程說明

在本課程中,你將了解什麼是超參數( hyperparameters ),什麼是遺傳演算法( Genetic Algorithm ),以及什麼是超參數最佳化( hyperparameter optimization )。在本課程中,你將應用遺傳演算法最佳化支持向量機( Support Vector Machines )和多層感知器神經網路( Multilayer Perceptron Neural Networks )的性能。超參數最佳化將在兩個資料集上完成,一個用於預測建築物冷熱負荷的迴歸資料集,以及一個關於將電子郵件分類為垃圾郵件和非垃圾郵件的分類資料集。 SVM 和 MLP 將被應用於資料集而不進行最佳化,並將其結果與最佳化結果進行比較。

到本課程結束時,你將學到如何使用 Python 寫遺傳演算法程式,以及如何最佳化機器學習演算法以獲得最佳性能。理想的學生是一些具有機器學習演算法知識以及已了解一些最佳化知識的人,具備一些程式設計知識也會有幫助。

歡迎隨時問我任何問題!不喜歡課程?可於30天要求退款!

目標受眾

  • 任何想學習遺傳演算法的人
  • 任何想要最佳化其機器學習演算法功能的人

講師簡介

Dana Knight  建築與工業工程師

嗨! 我是 Dana。 我現在是紐約州立大學賓漢頓分校工業工程博士研究生。 我在約旦科技大學建築工程系完成了我的 B.S. 並在我目前的學校完成工業工程 M.S. 。 獲得精益六西格瑪綠帶(Lean Six Sigma Green Belt)認證。

我享受學習新事物。 我的研究興趣是資料科學,包括深度學習、機器學習和人工智慧。

英文字幕:有

  • 想要了解如何將英文字幕自動翻譯成中文? 請參考這篇 How-To

報名參加課程

Sponsored by Udemy

也許你會有興趣

 學習資訊不漏接-歡迎使用 App 訂閱發文通知 

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: