پروژه های مقدماتی پایتون

---

شرح پروژه

تمرینات های ذکر شده از کتاب زیر را  انجام دهید:
Python Machine Learning By Example, 3rd Edition, Yuxi Liu
Direct Download Link:
http://62.182.86.140/main/2856000/463acb8f380f9ee70efd000043abedb1/Yuxi%20Liu_%20-%20Python%20Machine%20Learning%20By%20Example%20%282020%29.pdf
1- تمام کدهای خود را در GitHub ارسال نمایید.
2- یک فایل ویدویی حداکثر ۵ دقیقه ای از توضیح فعالیت و نحوه انجام آن ضبط نمایید.

این تکلیف هست که می خوام موردهای 1 و 2 بالا رو راهنمایی بفرمایید. که چطوری می شه کدهارو از طریق Github ارسال کرد. چون فیلم باید با صدای خودم باشه راهنمایی بشه.

از تمرین های زیر هم سوال 5 از فصل 1 و سوال 1 و 2 و 3 از فصل 2 باید حتما انجام بشن. سوالات 1 تا 4 چون تئوری هستن خودم انجام میدم.

تمرین های  فصل 1:

 1. Can you tell the difference between machine learning and traditional programming (rule-based automation)?
2. What's overfitting and how do we avoid it?
3. Name two feature engineering approaches.
4. Name two ways to combine multiple models.
5. Install Matplotlib (https://matplotlib.org/) if this is of interest to you. We will use it for data visualization throughout the book.

تمرین های فصل 2:

1. As mentioned earlier, we extracted user-movie relationships only from the movie rating data where most ratings are unknown. Can you also utilize data from the files movies.dat and users.dat?
2. Practice makes perfect—another great project to deepen your understanding could be heart disease classification. The dataset can be downloaded directly at https://www.kaggle.com/ronitf/heart-disease-uci, or from the original page at https://archive.ics.uci.edu/ml/datasets/Heart+Disease.
3. Don't forget to fine-tune the model you obtained from Exercise 2 using the techniques you learned in this chapter. What is the best AUC it achieves?

مهارت ها و تخصص های مورد نیاز

---

---