تجزیه و تحلیل خوشه ای و یادگیری ماشینی بدون نظارت در پایتون [ویدئو]

سرفصل ها و درس ها

خوش آمدی Welcome

• معرفی Introduction

• طرح کلی دوره Course Outline

• پیشنهاد ویژه Special Offer

راه اندازی Getting Set Up

• کد را از کجا دریافت کنیم Where to get the code

یادگیری بدون نظارت Unsupervised Learning

• یادگیری بدون نظارت برای چه مواردی استفاده می شود؟ What is unsupervised learning used for?

• چرا از خوشه بندی استفاده کنیم؟ Why Use Clustering?

K-Means Clustering K-Means Clustering

• مقدمه ای آسان برای خوشه بندی K-Means An Easy Introduction to K-Means Clustering

• Hard K-Means: Exercise Prompt 1 Hard K-Means: Exercise Prompt 1

• سخت K-Means: راه حل تمرین 1 Hard K-Means: Exercise 1 Solution

• Hard K-Means: Exercise Prompt 2 Hard K-Means: Exercise Prompt 2

• سخت K-Means: راه حل تمرین 2 Hard K-Means: Exercise 2 Solution

• Hard K-Means: Exercise Prompt 3 Hard K-Means: Exercise Prompt 3

• Hard K-Means: راه حل تمرین 3 Hard K-Means: Exercise 3 Solution

• K-Means هدف: نظریه Hard K-Means Objective: Theory

• Hard K-Means هدف: کد Hard K-Means Objective: Code

• بررسی تصویری الگوریتم خوشه‌بندی K-Means (میراث) Visual Walkthrough of the K-Means Clustering Algorithm (Legacy)

• نرم K-Means Soft K-Means

• تابع هدف K-Means The K-Means Objective Function

• Soft K-Means در کد پایتون Soft K-Means in Python Code

• چگونه به سرعت خود را How to Pace Yourself

• تجسم هر مرحله از K-Means Visualizing Each Step of K-Means

• نمونه هایی از جایی که K-Means ممکن است شکست بخورد Examples of where K-Means can fail

• معایب خوشه بندی K-Means Disadvantages of K-Means Clustering

• چگونه یک خوشه بندی را ارزیابی کنیم (خالص، شاخص دیویس-بولدین) How to Evaluate a Clustering (Purity, Davies-Bouldin Index)

• استفاده از K-Means در داده های واقعی: MNIST Using K-Means on Real Data: MNIST

• یک راه برای انتخاب K One Way to Choose K

• کاربرد K-Means: یافتن خوشه های کلمات مرتبط K-Means Application: Finding Clusters of Related Words

• خوشه بندی برای NLP و Computer Vision: برنامه های کاربردی در دنیای واقعی Clustering for NLP and Computer Vision: Real-World Applications

• صندوق پیشنهادات Suggestion Box

خوشه بندی سلسله مراتبی Hierarchical Clustering

• بررسی تصویری خوشه‌بندی سلسله مراتبی تجمعی Visual Walkthrough of Agglomerative Hierarchical Clustering

• گزینه های خوشه بندی تجمعی Agglomerative Clustering Options

• استفاده از خوشه بندی سلسله مراتبی در پایتون و تفسیر دندروگرام Using Hierarchical Clustering in Python and Interpreting the Dendrogram

• کاربرد: تکامل Application: Evolution

• کاربرد: توییت های دونالد ترامپ در مقابل هیلاری کلینتون Application: Donald Trump vs. Hillary Clinton Tweets

مدل‌های مخلوط گاوسی (GMM) Gaussian Mixture Models (GMMs)

• الگوریتم مدل مخلوط گاوسی (GMM). Gaussian Mixture Model (GMM) Algorithm

• یک مدل مخلوط گوسی در کد پایتون بنویسید Write a Gaussian Mixture Model in Python Code

• مسائل عملی با GMM Practical Issues with GMM

• مقایسه بین GMM و K-Means Comparison between GMM and K-Means

• تخمین چگالی هسته Kernel Density Estimation

• GMM vs Bayes Classifier (pt 1) GMM vs Bayes Classifier (pt 1)

• GMM vs Classifier Bayes (pt 2) GMM vs Bayes Classifier (pt 2)

• انتظار-بیشینه سازی (نقطه 1) Expectation-Maximization (pt 1)

• انتظار-بیشینه سازی (نقطه 2) Expectation-Maximization (pt 2)

• انتظار-بیشینه سازی (نقطه 3) Expectation-Maximization (pt 3)

تنظیم محیط خود (پیوست) Setting Up Your Environment (Appendix)

• بررسی قبل از نصب Pre-Installation Check

• تنظیم محیط آناکوندا Anaconda Environment Setup

• نحوه نصب Numpy، Scipy، Matplotlib، Pandas و Tensorflow How to install Numpy, Scipy, Matplotlib, Pandas, and Tensorflow

کمک اضافی برای کدنویسی پایتون برای مبتدیان (پیوست) Extra Help With Python Coding for Beginners (Appendix)

• چگونه خود را کدگذاری کنید (قسمت 1) How to Code Yourself (part 1)

• چگونه خود را کدگذاری کنید (قسمت 2) How to Code Yourself (part 2)

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

• نحوه استفاده از Github و نکات کدنویسی اضافی (اختیاری) How to use Github & Extra Coding Tips (Optional)

استراتژی‌های یادگیری مؤثر برای یادگیری ماشین (پیوست) Effective Learning Strategies for Machine Learning (Appendix)

• چگونه در این دوره موفق شویم (نسخه طولانی) How to Succeed in this Course (Long Version)

• این برای مبتدیان است یا متخصصان؟ علمی یا عملی؟ سریع یا کند؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

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

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