آموزش یادگیری کامل ماشین و علوم داده با پایتون | ML A-Z
11h 13m
78
Udemy
11 اردیبهشت 1400
24,987
4.1 از 5
دارد (اگر در سایت مرجع باشد، قرارداده می شود.)
معمولا دارد
معمولا دارد (در صورت درخواست)(در حال تست)

https://donyad.com/d/3e9d

آموزش یادگیری کامل ماشین و علوم داده با پایتون | ML A-Z

Complete Machine Learning & Data Science with Python| ML A-Z

Numpy ، Pandas ، Matplotlib ، Seaborn ، Scipy ، Supervised Unsupervised Machine Learning A-Z و مهندسی ویژگی ها را بیاموزید

آنچه خواهید آموخت

  • کتابخانه های علوم داده مانند Numpy ، Pandas ، Matplotlib ، Scipy ، Scikit Learn ، Seaborn ، Plotly و بسیاری دیگر
  • مفهوم یادگیری ماشین و انواع مختلف یادگیری ماشین
  • الگوریتم های یادگیری ماشین مانند رگرسیون ، طبقه بندی ، طبقه بندی Naive Bayes ، درخت تصمیم ، الگوریتم نزدیکترین همسایه (KNN) ، الگوریتم ماشین بردار پشتیبان ، الگوریتم جنگل تصادفی
  • مهندسی ویژگی
  • مبانی پایتون

هوش مصنوعی مرز بعدی دیجیتال است ، که پیامدهای عمیقی برای تجارت و جامعه دارد. پیش بینی شده است که اندازه بازار جهانی هوش مصنوعی تا سال 2026 به 202.57 میلیارد دلار برسد ، طبق Fortune Business Insights.

این دوره یادگیری ماشین علم علم (ML) نه تنها عملی "عملی" است بلکه موارد مختلفی را نیز شامل می شود تا دانش آموزان بتوانند الزامات صنعتی واقعی و فرهنگ کار را درک کنند. اینها الزامات لازم برای توسعه هر برنامه سطح بالا در هوش مصنوعی است.

در این دوره چندین پروژه یادگیری ماشین (ML) گنجانده شده است.

1) پروژه - تقسیم بندی مشتری با استفاده از K به معنی خوشه بندی است

2) پروژه - تشخیص اخبار جعلی با استفاده از یادگیری ماشین (پایتون)

3) پروژه COVID-19: احتمال آلودگی به ویروس کرونا با استفاده از یادگیری ماشین

4) پروژه - فشرده سازی تصویر با استفاده از خوشه بندی K-means | کمی سازی رنگ با استفاده از K-Means

این دوره شامل موضوعات ---

است
  • Data Science چیست

  • هوش مصنوعی و یادگیری ماشینی و یادگیری عمیق را توصیف کنید

  • مفهوم یادگیری ماشین - یادگیری ماشین تحت نظارت ، یادگیری ماشین بدون نظارت و یادگیری تقویت

  • پایتون برای تجزیه و تحلیل داده ها - پرکاربرد

  • محیط کار-

  • گوگل کولاب

  • نصب آناکوندا

  • نوت بوک Jupyter

  • تجزیه و تحلیل داده ها-پانداها

  • Matplotlib

  • یادگیری ماشین تحت نظارت چیست؟

  • رگرسیون

  • طبقه بندی

  • استفاده از رگرسیون چندخطی - پیش بینی قیمت مسکن در بوستون

  • ذخیره مدل

  • رگرسیون لجستیک در مجموعه داده های گل Iris

  • طبقه بندی Naive Bayes در مجموعه داده شراب

  • طبقه بندی Naive Bayes برای طبقه بندی متن

  • درخت تصمیم

  • الگوریتم K نزدیکترین همسایه (KNN)

  • الگوریتم ماشین بردار را پشتیبانی کنید

  • الگوریتم جنگل تصادفی I

  • یادگیری ماشین بدون نظارت چیست

  • انواع یادگیری بدون نظارت

  • مزایا و معایب یادگیری بدون نظارت

  • خوشه بندی چیست؟

  • خوشه بندی به معنای K است

  • فشرده سازی تصویر با استفاده از خوشه بندی K-means | کمی سازی رنگ با استفاده از K-Means

  • زیر سازی ، بیش از حد متناسب و بهترین جا در یادگیری ماشین

  • چگونه برای جلوگیری از بیش از حد بیش از حد در ماشین یادگیری

  • مهندسی ویژگی

  • دستگاه قابل آموزش

  • مبانی پایتون

در سالهای اخیر ، وسایل نقلیه خودران ، دستیارهای دیجیتال ، کارکنان رباتیک کارخانه و شهرهای هوشمند اثبات کرده اند که ماشین های هوشمند امکان پذیر هستند. هوش مصنوعی بیشتر بخش های صنعت مانند خرده فروشی ، تولید ، مالی ، بهداشت و درمان و رسانه ها را دگرگون کرده و همچنان به مناطق جدید حمله می کند. هر روز یک برنامه ، محصول یا خدمات جدید رونمایی می کند که برای هوشمندتر و بهتر شدن از یادگیری ماشین استفاده می کند.

این دوره برای چه کسانی است:

  • هر کسی که به یادگیری ماشین علاقه مند باشد.
  • هر دانشجویی در دانشگاه که مایل به شروع کار در Data Science است.


سرفصل ها و درس ها

معرفی Introduction

  • علم داده چیست What is Data Science

  • هوش مصنوعی و یادگیری ماشینی و یادگیری عمیق را توصیف کنید Describe Artificial Intelligence and Machine Learning and Deep Learning

  • مفهوم یادگیری ماشین Concept of Machine Learning

نصب و نصب Installation and Colab

  • مقدمه Google Colab Google Colab Introduction

  • نصب آناکوندا Anaconda Installation

  • نوت بوک ژوپیتر Jupyter Notebook

پایتون برای تجزیه و تحلیل داده ها - مختصر Python for Data Analysis- Numpy

  • پایتون برای تجزیه و تحلیل داده ها - مختصر Python for Data Analysis- Numpy

  • جبر خطی برای علم داده linear algebra for data science

پایتون برای تجزیه و تحلیل داده ها - Pandas Python for Data Analysis- Pandas

  • سری پانداس Pandas Series

  • قاب داده های Pandas Pandas DataFrames

  • گروه بندی و فیلتر کردن Grouping and Filtering

  • برش و مرتب سازی Slicing and Sorting

  • ارزش های گمشده Pandas Pandas Missing Values

  • توابع تجمع Pandas Pandas Aggregation Functions

پایتون برای تجسم داده ها - Matplotlib Python for Data Visualization - Matplotlib

  • مقدمه Matplotlib Matplotlib Introduction

  • نمودارهای نوار Matplotlib Matplotlib Bar Graphs

  • هیستوگرام Matplotlib Matplotlib Histogram

  • طرح متفرق Matplotlib Matplotlib Scatter Plot

  • طرح منطقه Matplotlib Matplotlib Area Plot

  • نمودار پای Matplotlib Matplotlib Pie Chart

  • زیرمجموعه های Matplotlib Matplotlib Subplots

یادگیری ماشین تحت نظارت Supervised Machine Learning

  • الگوریتم یادگیری ماشین تحت نظارت و رگرسیون خطی چیست What is Supervised Machine Learning and Linear Regression Algorithm

  • اجرای رگرسیون خطی Implementation of Linear Regression

  • طرح رگرسیون خطی Plot Linear Regression

  • اجرای رگرسیون چند خطی Implementation of Multi Linear Regression

  • مثال 2- رگرسیون چند خطی Example 2- Multilinear Regression

  • از پیش بینی قیمت مسکن Case- Boston استفاده کنید Use Case- Boston Housing Price Prediction

  • ذخیره مدل Save Model

  • نحوه پیاده سازی رگرسیون لجستیک how to implement Logistic Regression

  • رگرسیون لجستیک در مجموعه گل های زنبق Logistic Regression on Iris Flower Dataset

  • رگرسیون لجستیک در مجموعه داده ها Logistic Regression on Digits Dataset

  • طبقه بندی کننده Naive Bayes Naive Bayes Classifier

  • پیاده سازی طبقه بندی Naive Bayes در مجموعه شراب Implementation of Naive Bayes classifier on Wine Dataset

  • مقدمه ای بر طبقه بندی Naive Bayes برای طبقه بندی متن Introduction to Naive Bayes Classifier for Text Classification

  • پیاده سازی طبقه بندی Naive Bayes برای طبقه بندی متن Implementating Naive Bayes Classifier for Text Classification

  • مقدمه ای بر درخت تصمیم Introduction to Decision Tree

  • اجرای درخت تصمیم Implementation of Decision Tree

  • الگوریتم K- نزدیکترین همسایه (KNN) K-Nearest Neighbor(KNN) Algorithm

  • پیاده سازی الگوریتم K-Nearest Neighbor (KNN) Implementation of K-Nearest Neighbor(KNN) Algorithm

  • الگوریتم ماشین برداری را پشتیبانی کنید Support Vector Machine Algorithm

  • پیاده سازی الگوریتم ماشین بردار پشتیبان Implementation of Support Vector Machine Algorithm

  • الگوریتم جنگل تصادفی Random Forest Algorithm

  • پیاده سازی الگوریتم جنگل تصادفی Implementation of Random Forest Algorithm

یادگیری ماشین بدون نظارت UnSupervised Machine Learning

  • یادگیری ماشین بدون نظارت چیست؟ What is UnSupervised Machine Learning

  • انواع یادگیری بدون نظارت Types of Unsupervised Learning

  • مزایا و معایب یادگیری بدون نظارت Advantages and Disadvantages of Unsupervised Learning

  • خوشه بندی چیست؟ What is clustering?

  • K به معنی خوشه بندی است K-means Clustering

  • پیاده سازی خوشه بندی K-means Implementing K-means Clustering

  • فشرده سازی تصویر با استفاده از خوشه بندی K-means | کمی سازی رنگ با استفاده از K-Means Image compression using K-means clustering | Color Quantization using K-Means

آموزش تقویت Reinforcement Learning

  • مقدمه ای بر یادگیری تقویت Introduction to Reinforcement Learning

  • الگوریتم یادگیری Q در یادگیری ماشین Q-learning algorithm in machine learning

مهندسی ویژگی Feature Engineering

  • مهندسی ویژگی چیست What is Feature Engineering

  • Outlier چیست What is Outlier

  • با استفاده از انحراف std ، تشخیص و حذف دورتر outlier detection and removal using std deviation

  • نمره Z Z score

  • ضریب هوشی IQR

پروژه - تقسیم بندی مشتری با استفاده از خوشه بندی Project - Customer Segmentation using Clustering

  • تقسیم بندی مشتری قسمت 1 Customer Segmentation Part 1

  • تقسیم بندی مشتری قسمت 2 Customer Segmentation Part 2

  • تقسیم بندی مشتری 3 Customer segmentation 3

  • تقسیم بندی مشتری قسمت 4 Customer Segmentation Part 4

پروژه - تشخیص اخبار جعلی با استفاده از یادگیری ماشین (پایتون) Project - Fake News Detection using machine learning (Python)

  • تشخیص اخبار جعلی با استفاده از یادگیری ماشین (پایتون) Fake News Detection using machine learning (Python)

پروژه COVID-19: احتمال آلودگی به ویروس کرونا با استفاده از یادگیری ماشین Project COVID-19: Coronavirus Infection Probability using machine learning

  • پروژه COVID-19: احتمال آلودگی به ویروس کرونا با استفاده از یادگیری ماشین Project COVID-19: Coronavirus Infection Probability using machine learning

متفرقه Miscellaneous

  • زیر سازی ، نصب بیش از حد و بهترین جا در یادگیری ماشین Underfitting, Overfitting and best fitting in Machine Learning

  • چگونه می توان از اضافه شدن تجهیزات در یادگیری ماشین جلوگیری کرد How to avoid Overfitting in Machine Learning

  • کاربردهای هوش مصنوعی Applications of Artificial Intelligence

  • ماشین قابل آموزش Teachable Machine

دوره سقوط پایتون Python Crash Course

  • مقدمه پایه Python Python Basic Introduction

  • شروع کار با پایتون Getting Started with Python

  • انواع داده ها - شماره های پایتون Python Data Types-Numbers

  • رشته ها - انواع داده های پایتون Python Data Types-Strings

  • انواع داده ها - لیست های Python Python Data Types-Lists

  • انواع داده های پایتون - فرهنگ لغت Python Data Types- Dictionary

  • انواع داده های پایتون - مجموعه ها Python Data Types- Sets

  • حلقه های پایتون Python Loops

  • تصمیم گیری Decision Making

  • بیانیه های کنترل Control Statements

  • توابع پایتون Python Functions

نمایش نظرات

نظری ارسال نشده است.

Goeduhub Technologies

شرکت ارائه دهنده آموزش فنی. ما آموزش جامعی در زمینه اتوماسیون صنعتی ، هوش مصنوعی (AI) ، یادگیری ماشین (ML) و یادگیری عمیق ، برنامه نویسی پایتون و علوم داده ارائه می دهیم. ما در حال ایجاد بنیادی گسترده برای انقلابی در آموزش عالی در سراسر جهان هستیم. ظهور اینترنت و سایر فناوری های اطلاعاتی می تواند تدریس و تحقیق را به راحتی در دسترس محققان و دانشجویان سراسر جهان قرار دهد. با تغییر سناریوی جهانی و تبدیل شدن هند به اقتصاد دانش بنیان مانند ایالات متحده ، نیاز زیادی به متخصصان فناوری در سراسر جهان وجود دارد. نیاز به یادگیری تعاملی و حفظ استانداردهای با کیفیت بالا در آموزش فناوری ، نیاز ساعت است. با بیش از 10 میلیون شغل جدید در بخش های فن آوری نوظهور مانند امنیت IT ، Big Data HADOOP ، Cloude Computing ، سیستم های جاسازی شده و رباتیک ، هند جوان باید آموزش فن آوری را که از آموزشگاه های آموزش عالی است ، با کیفیت بالا ، قابل اعتماد ، انتخاب کند. لبه برش و کامل. چنین آموزش هایی نه تنها دانش آموزان را برای مشارکت در بخشهای نوظهور غنی از شغل آماده می کند ، بلکه به متخصصان موجود امکان می دهد تا با دانش روز به روز مهارت بیشتری کسب کنند.