Logistic Regression: Binary Cross-Entropy Loss and Optimization

คุณต้องการทำความเข้าใจว่าโมเดล machine learning ทำการตัดสินใจจำแนกประเภทแบบ binary ได้อย่างไร และเรียนรู้วิธีสร้างโมเดลเหล่านั้นตั้งแต่ต้นจนจบหรือไม่? คอร์สนี้จะช่วยไขความกระจ่างเกี่ยวกับแนวคิดหลักเบื้องหลัง logistic regression ทำให้คุณสามารถนำไปใช้และปรับปรุงโมเดลเพื่อทำนายผลลัพธ์แบบ binary ได้อย่างมั่นใจ โดยใช้หลักการพื้นฐานของ machine learning สิ่งที่คุณจะได้เรียนรู้: * ทำความเข้าใจหลักการสำคัญของ logistic regression สำหรับการจำแนกประเภทแบบ binary * เรียนรู้การพิสูจน์ทางคณิตศาสตร์และวัตถุประสงค์ของ binary cross-entropy loss * นำอัลกอริทึม gradient descent มาใช้เพื่อลด loss และปรับปรุงพารามิเตอร์ของโมเดล * สร้างโมเดล logistic regression พื้นฐานโดยใช้เฉพาะโครงสร้างการเขียนโปรแกรมเบื้องต้น * ประเมินประสิทธิภาพของโมเดลโดยใช้เมตริกที่จำเป็น เช่น accuracy, precision และ recall คอร์สนี้เริ่มต้นด้วยแนวคิดทางสถิติพื้นฐาน ก้าวไปสู่พื้นฐานทางคณิตศาสตร์ของ logistic regression และฟังก์ชัน loss ของมัน และจบลงด้วยขั้นตอนการปฏิบัติสำหรับการปรับปรุงและประเมินโมเดล คอร์สนี้ออกแบบมาสำหรับผู้เริ่มต้นใน machine learning หรือการเขียนโปรแกรมที่ต้องการทำความเข้าใจกลไกของโมเดลจำแนกประเภท ไม่จำเป็นต้องมีประสบการณ์มาก่อนเกี่ยวกับคณิตศาสตร์ขั้นสูงหรือ machine learning frameworks เริ่มต้นการเดินทางของคุณสู่การทำความเข้าใจและสร้างโมเดลจำแนกประเภทได้แล้ววันนี้