คำอธิบาย
การสำรวจและการแสดงข้อมูลในรูปตาราง (pandas, matplotlib), พื้นฐานการปรับพอดีข้อมูล (scikit-learn), k-nearest neighbours, การถดถอยเชิงเส้น, ต้นไม้ตัดสินใจ, การเตรียมข้อมูล, ตัวชี้วัดการประเมินแบบจำลอง, การเกิด overfitting เทียบกับ underfitting, ความเอนเอียง/ความแปรปรวน, การตรวจสอบข้าม (cross-validation), บทนำสู่โครงข่ายประสาทเทียม, การจูนไฮเปอร์พารามิเตอร์, การเลือกคุณลักษณะ, ความสำคัญของคุณลักษณะ
รายวิชาก่อนหน้า
- ข้อกำหนดเบื้องต้น: การลงทะเบียนในหลักสูตร M.Eng.- Software Engineering Practice
เงื่อนไขและข้อกำหนด
- ข้อกำหนดเบื้องต้น: การลงทะเบียนในหลักสูตร M.Eng.- Software Engineering Practice
ข้อความอ้างอิงในภาษาต้นฉบับ
Tabular data exploration and visualization (pandas, matplotlib), data-fitting basics (scikit-learn), k-nearest neighbours, linear regression, decision trees, data pre-processing, model evaluation metrics, overfitting vs underfitting, bias/variance, cross-validation, introduction to neural networks, hyperparameter tuning, feature selection, feature importance.
- Prerequisite(s): enrolment in the M.Eng.- Software Engineering Practice program.
แหล่งที่มาและอ้างอิง
วันที่และแหล่งที่มาถูกเก็บไว้เพื่อช่วยให้คุณตรวจสอบข้อมูล การแปลเสนอเพื่ออำนวยความสะดวกในการอ่าน แหล่งทางการเป็นที่อ้างอิงสำหรับเงื่อนไขและข้อกำหนด
แหล่งอ้างอิง : https://calendar.carleton.ca/grad/courses/EGEN/