آموزش پیش نیازهای یادگیری عمیق: The Numpy Stack in Python (V2 +)

Deep Learning Prerequisites: The Numpy Stack in Python (V2+)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: پشته Numpy ، Scipy ، Pandas و Matplotlib: آمادگی برای یادگیری عمیق ، یادگیری ماشین و هوش مصنوعی

آنچه خواهید آموخت

  • با استفاده از Scikit-Learn
    یادگیری ماشین تحت نظارت (طبقه بندی و رگرسیون) را با مثالهای واقعی درک کنید li>
  • درک و کدگذاری با استفاده از Numpy stack
  • ساخت استفاده از Numpy ، Scipy ، Matplotlib و Pandas برای پیاده سازی الگوریتم های عددی مدل های یادگیری ، از جمله یادگیری عمیق ، درختان تصمیم گیری ، جنگل تصادفی ، رگرسیون خطی ، تقویت و موارد دیگر!

بخش بزرگی از این دوره حتی مواد درسی نیست ، بلکه بخش ضمیمه است. این دوره در واقع بسیار کوتاه است.

تمرینات دشوار است و گاهی اوقات هیچ ارتباطی با موضوع واقعی ندارد. مثلاً تمریناتی که باید در آنها مجسمه های پیچیده ریاضی بکشید. هنگام گیر كردن ، مربی نمی خواهد به س questionsالات كمك كند زیرا "این برای مشتری هایش منصفانه نخواهد بود". حدس می زنم او مرا مشتری خود نبیند.


سرفصل ها و درس ها

خوش آمدید و تدارکات Welcome and Logistics

  • مقدمه و طرح کلی Introduction and Outline

  • در این دوره چه خواهید آموخت؟ What will you learn in this course?

  • چه سطح از یادگیری ماشین در این دوره تدریس می شود؟ What level of machine learning is taught in this course?

  • آنچه را که در این دوره آموخته اید چگونه تمرین خواهید کرد؟ How will you practice what you learned in this course?

  • منابع اضافی Extra Resources

پستی (جدید) Numpy (New)

  • مقدمه بخش پخته Numpy Section Introduction

  • آرایه ها و لیست ها Arrays vs Lists

  • محصول نقطه Dot Product

  • تست سرعت Speed Test

  • ماتریس ها Matrices

  • حل سیستم های خطی Solving Linear Systems

  • تولید داده Generating Data

  • ورزش ناخوشایند Numpy Exercise

  • صندوق پیشنهادات Suggestion Box

Matplotlib (جدید) Matplotlib (New)

  • مقدمه بخش Matplotlib Matplotlib Section Introduction

  • نمودار خطی Line Chart

  • طرح پراکنده Scatterplot

  • هیستوگرام Histogram

  • رسم تصاویر Plotting Images

  • ورزش Matplotlib Matplotlib Exercise

پانداها (جدید) Pandas (New)

  • مقدمه بخش پانداس Pandas Section Introduction

  • در حال بارگیری در داده ها Loading in Data

  • انتخاب ردیف ها و ستون ها Selecting Rows and Columns

  • تابع اعمال () The apply() Function

  • توطئه با Pandas Plotting with Pandas

  • ورزش پانداها Pandas Exercise

Scipy (جدید) Scipy (New)

  • مقدمه بخش Scipy Scipy Section Introduction

  • PDF و CDF PDF and CDF

  • همگرایی Convolution

  • ورزش خسته کننده Scipy Exercise

بسته های توسعه و تمرینات و یادگیری ماشین Exercises and Machine Learning Expansion Pack

  • بخش پاداش در اصول یادگیری ماشین Bonus Section on Machine Learning Basics

تمرینات جایزه Bonus Exercises

  • تمرینات بیشتر More Exercises

مبانی یادگیری ماشین Machine Learning Basics

  • یادگیری ماشینی: مقدمه بخش Machine Learning: Section Introduction

  • طبقه بندی چیست؟ What is Classification?

  • طبقه بندی در کد Classification in Code

  • رگرسیون چیست؟ What is Regression?

  • رگرسیون در کد Regression in Code

  • بردار ویژگی چیست What is a Feature Vector

  • یادگیری ماشینی چیزی جز هندسه نیست Machine Learning is Nothing but Geometry

  • همه داده ها یکسان هستند All Data is the Same

  • مقایسه مدلهای مختلف یادگیری ماشین Comparing Different Machine Learning Models

  • یادگیری ماشینی و یادگیری عمیق: مباحث آینده Machine Learning and Deep Learning: Future Topics

  • خلاصه بخش یادگیری ماشین Machine Learning Section Summary

تنظیم محیط Setting Up Your Environment

  • نحوه نصب Numpy ، Scipy ، Matplotlib ، Pandas ، IPython ، Theano و TensorFlow How to install Numpy, Scipy, Matplotlib, Pandas, IPython, Theano, and TensorFlow

تنظیم محیط شما (س FAالات متداول با درخواست دانشجو) Setting Up Your Environment (FAQ by Student Request)

  • Windows-Focused Environment Setup 2018 Windows-Focused Environment Setup 2018

راهنمایی اضافی در مورد کدگذاری پایتون برای مبتدیان Extra Help With Python Coding for Beginners

  • اثبات اینکه استفاده از Jupyter Notebook همان استفاده نکردن از آن است Proof that using Jupyter Notebook is the same as not using it

راهنمایی اضافی در مورد کدگذاری پایتون برای مبتدیان (س FAالات متداول با درخواست دانشجو) Extra Help With Python Coding for Beginners (FAQ by Student Request)

  • Python 2 vs Python 3 Python 2 vs Python 3

استراتژی های یادگیری موثر برای یادگیری ماشین Effective Learning Strategies for Machine Learning

  • دوره های شما را با چه دستوری باید بگذرانم؟ (قسمت 1) What order should I take your courses in? (part 1)

  • نقشه راه پیش نیاز یادگیری ماشین و هوش مصنوعی (pt 2) Machine Learning and AI Prerequisite Roadmap (pt 2)

  • دوره های شما را با چه دستوری باید بگذرانم؟ (قسمت 2) What order should I take your courses in? (part 2)

استراتژی های یادگیری موثر برای یادگیری ماشین (سوالات متداول با درخواست دانشجو) Effective Learning Strategies for Machine Learning (FAQ by Student Request)

  • نقشه راه پیش نیاز یادگیری ماشین و هوش مصنوعی (pt 1) Machine Learning and AI Prerequisite Roadmap (pt 1)

ضمیمه / س FAالات متداول Appendix / FAQ

  • BONUS: کوپن های Udemy و مطالب رایگان یادگیری عمیق را از کجا تهیه کنید BONUS: Where to get Udemy coupons and FREE deep learning material

نمایش نظرات

نظری ارسال نشده است.

آموزش پیش نیازهای یادگیری عمیق: The Numpy Stack in Python (V2 +)

این دوره غیر فعال شده است.

جزییات دوره
5h 22m
52
Udemy (یودمی) udemy-small
11 شهریور 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
239,845
4.5 از 5
ندارد
ندارد
ندارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lazy Programmer Inc. Lazy Programmer Inc.

امروز ، بیشتر وقتم را به عنوان یک مهندس هوش مصنوعی و یادگیری ماشین با تمرکز بر یادگیری عمیق می گذرانم ، اگرچه همچنین به عنوان دانشمند داده ، مهندس داده های بزرگ و مهندس نرم افزار کامل پشته نیز شناخته شده ام. من مدرک کارشناسی ارشد خود را در رشته مهندسی کامپیوتر با گرایش یادگیری ماشین و تشخیص الگو دریافت کردم. این تجربه شامل تبلیغات آنلاین و رسانه های دیجیتالی به عنوان دانشمند داده (بهینه سازی نرخ کلیک و تبدیل) و مهندس داده های بزرگ (ساخت خطوط لوله پردازش داده) است. برخی از فناوری های کلان داده ای که من مرتباً استفاده می کنم ، Hadoop ، Pig ، Hive ، MapReduce و Spark هستند. من مدل های یادگیری عمیق را برای پیش بینی میزان کلیک و رفتار کاربر و همچنین برای پردازش تصویر و سیگنال و مدل سازی متن ایجاد کرده ام. کار من در سیستم های پیشنهادی از آموزش تقویت و فیلتر کردن مشارکتی استفاده کرده است و ما نتایج را با استفاده از تست A / B معتبر کردیم.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.