در این دوره، شما با مفاهیم و تئوری مربوط به درخت تصمیم در یادگیری ماشین آشنا خواهید شد و سپس با استفاده از زبان برنامه‌نویسی پایتون، روش‌های حل مسائل با استفاده از درخت تصمیم را پیاده‌سازی خواهید کرد

ما در این دوره در قسمت اول به معرفی مفاهیم و تئوری های درخت تصمیم پرداختیم که شامل موارد زیر می باشد:

معرفی درخت تصمیم و کاربردهای آن در یادگیری ماشین

ساختار درخت تصمیم و اجزای آن

ساخت یک مدل درخت تصمیم برای یک دیتاست Email Spam Detection

الگوریتم‌های ساخت درخت تصمیم، مانند ID3 و C4.5

در ادامه به حل مسئله دسته بندی روی دیتاست های breast cancer و titanic با الگوریتم درخت تصمیم می پردازیم که به صورت خلاصه به موارد زیر می توان اشاره کرد:

پیش‌پردازش داده‌ها و تبدیل آنها به قالب مناسب برای درخت تصمیم

ساخت و آموزش درخت تصمیم با استفاده از داده‌های آموزشی

ارزیابی و مقایسه عملکرد درخت تصمیم در دیتاست‌های مختلف

پیاده‌سازی پروژه محور با استفاده از درخت تصمیم و داده‌های واقعی

با اتمام این دوره، شما قادر خواهید بود درخت تصمیم را در پایتون پیاده‌سازی کنید و با استفاده از آن، مسائل و مشکلات مختلف را حل و پیش‌بینی کنید. این دوره به شما کمک می‌کند تا مهارت‌هایتان در زمینه یادگیری ماشین و تحلیل داده‌ها با استفاده از درخت تصمیم تقویت کنید.