msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'update-translations'
${ noResults }
ML-For-Beginners/translations/he/5-Clustering
History
localizeflow[bot] fb6bda5cad
[nl,he,vi] chore(i18n): sync translations 		3 weeks ago
..
1-Visualize chore(i18n): sync translations with latest source changes (chunk 1/1, 9 changes) 4 months ago
2-K-Means chore(i18n): sync translations with latest source changes (chunk 1/1, 300 changes) 8 months ago
README.md [nl,he,vi] chore(i18n): sync translations 3 weeks ago

README.md
Escape

מודלים של אשכולות ללמידת מכונה

אשכולות היא משימת למידת מכונה שבה מנסים למצוא אובייקטים הדומים זה לזה ולקבץ אותם לקבוצות הנקראות אשכולות. מה שמבדיל את האשכולות מגישות אחרות בלמידת מכונה הוא שהדברים קורים אוטומטית, למעשה, אפשר לומר שזה ההפך מלמידה מונחית.

נושא אזורי: מודלי אשכולות לטעמי מוזיקה של קהל נגרי 🎧

לקהל המגוון של ניגריה יש טעמי מוזיקה מגוונים. באמצעות נתונים שנאספו מ-Spotify (בהשראת מאמר זה, נבחן מוזיקה פופולרית בניגריה. מערך נתונים זה כולל מידע על ציון 'danceability', 'acousticness', רמת עוצמת הקול, 'speechiness', פופולריות ואנרגיה של שירים שונים. יהיה מעניין לגלות דפוסים בנתונים אלו!

מערכת טורנーブル

תמונה מאת מרסלה לאסקוסקי ב-Unsplash

בסדרת שיעורים זו תגלו דרכים חדשות לנתח נתונים באמצעות טכניקות אשכולות. אשכולות היא שימושית במיוחד כשהמערך שלך חסר תוויות. אם יש לו תוויות, טכניקות סיווג כמו שלמדת בשיעורים קודמים עשויות להיות מועילות יותר. אבל במקרים בהם אתה מחפש לקבץ נתונים ללא תוויות, אשכולות היא דרך מצוינת לגלות דפוסים.

יש כלים מועילים עם מעט קוד שיכולים לעזור לך ללמוד על עבודה עם מודלי אשכולות. נסה את Azure ML עבור המשימה הזו

שיעורים

  1. מבוא לאשכולות
  2. אשכולות K-Means

קרדיטים

שיעורים אלה נכתבו עם 🎶 על ידי ג'ן לופר עם סקירות מועילות של רישיט דגלי ו-מוחמד סאקיב חאן אינאן.

מערך הנתונים של שירי ניגריה נוצר מ-Kaggle תוך גרידה מ-Spotify.

דוגמאות שימושיות של K-Means שעזרו ביצירת שיעור זה כוללות את חקירת האירוס, את מחברת מבוא זו, ואת דוגמת NGO היפותטית זו.

כתב ויתור: מסמך זה תורגם באמצעות שירות תרגום אוטומטי Co-op Translator. למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עלולים להכיל שגיאות או אי-דיוקים. יש להחשיב את המסמך המקורי בשפתו הטבעית כמקור הסמכות. למידע קריטי מומלץ להשתמש בתרגום מקצועי על ידי מתרגם אדם. אנו לא אחראים לכל אי-הבנה או פירוש שגוי הנובע מהשימוש בתרגום זה.