آموزش بوت کمپ یادگیری ماشین پایتون [ویدئو]

سرفصل ها و درس ها

مراحل یادگیری قبل از ماشین Pre-Machine Learning Steps

• معرفی دوره Course Introduction

• راه اندازی و نصب Setup and Installation

• در حال بارگیری مجموعه داده ها Loading Datasets

• فرمت داده ها Data Format

• تقسیم تست قطار Train Test Splitting

• تقسیم طبقه بندی شده Stratified Splitting

• آماده سازی و اکتشاف داده ها Data Preparation and Exploration

گردش کار یادگیری ماشین Machine Learning Workflow

• مقدمه یادگیری تحت نظارت Supervised Learning Introduction

• مقدمه طبقه بندی Classification Introduction

• تئوری رگرسیون لجستیک Logistic Regression Theory

• گرادیان نزول Gradient Descent

• انواع مسائل طبقه بندی Types of Classification Problems

• ایجاد و آموزش یک طبقه بندی کننده باینری Creating and Training a Binary Classifier

• ایجاد و آموزش یک طبقه بندی کننده چند کلاسه Creating and Training a Multiclass Classifier

• ارزیابی نظریه طبقه بندی کننده ها Evaluating Classifiers Theory

• تئوری دقت و یادآوری Precision and Recall Theory

• ROC، ماتریس سردرگمی، و نظریه پشتیبانی ROC, Confusion Matrix, and Support Theory

• MNIST Dataset Introduction MNIST Dataset Introduction

• ارزیابی عملی طبقه بندی کننده ها Evaluating Classifiers Practical

• مجموعه اعتبارسنجی Validation Set

• اعتبار سنجی متقابل Cross-Validation

• فراپارامترها Hyperparameters

• تئوری منظم سازی Regularization Theory

• منابع خطای تعمیم Generalization Error Sources

• منظم سازی عملی Regularization Practical

• شبکه و جستجوی تصادفی Grid and Randomized Search

• مدیریت ارزش های گمشده Handling Missing Values

• تئوری مقیاس بندی ویژگی ها Feature Scaling Theory

• مقیاس بندی ویژگی عملی Feature Scaling Practical

• متن و داده های دسته بندی Text and Categorical Data

• خطوط لوله انتقال Transformation Pipelines

• ترانسفورماتورهای سفارشی Custom Transformers

• خطوط لوله خاص ستون Column Specific Pipelines

• بیش و کم نمونه گیری Over and Undersampling

• اهمیت ویژگی Feature Importance

• ذخیره و بارگذاری مدل ها و خطوط لوله Saving and Loading Models and Pipelines

• ارسال نمونه اولیه Post Prototyping

طبقه بندی Classification

• طبقه بندی چند برچسبی Multilabel Classification

• ویژگی های چند جمله ای Polynomial Features

• نظریه SVM SVM Theory

• طبقه بندی SVM عملی SVM Classification Practical

• نظریه طبقه بندی KNN KNN Classification Theory

• KNN طبقه بندی عملی KNN Classification Practical

• نظریه طبقه بندی درخت تصمیم Decision Tree Classifier Theory

• هرس درخت تصمیم Decision Tree Pruning

• درخت تصمیم عملی Decision Tree Practical

• نظریه جنگل تصادفی Random Forest Theory

• تصادفی جنگل عملی Random Forest Practical

• نظریه ساده بیز Naive Bayes Theory

• ساده بیز عملی Naive Bayes Practical

• نحوه انتخاب مدل How to Choose a Model

پسرفت Regression

• رگرسیون مقدمه Regression Introduction

• رگرسیون خطی عملی Linear Regression Practical

• رگرسیون خطی منظم عملی Regularized Linear Regression Practical

• معرفی مسکن بوستون Boston Housing Introduction

• رگرسیون چند جمله ای Polynomial Regression

• تلفات رگرسیون و نرخ یادگیری Regression Losses and Learning Rates

• رگرسیون SGD SGD Regression

• نظریه رگرسیون KNN KNN Regression Theory

• رگرسیون KNN عملی KNN Regression Practical

• نظریه رگرسیون SVM SVM Regression Theory

• رگرسیون SVM عملی SVM Regression Practical

• نظریه رگرسیون درخت تصمیم Decision Tree Regression Theory

• درخت تصمیم و رگرسیون جنگل تصادفی عملی Decision Tree and Random Forest Regression Practical

• معیارهای رگرسیون اضافی Additional Regression Metrics

گروه ها Ensembles

• معرفی گروه ها Ensembles Introduction

• تئوری گروه های رأی گیری Voting Ensembles Theory

• طبقه بندی رای عملی Voting Classification Practical

• عملی رگرسیون رأی گیری Voting Regression Practical

• تئوری بسته بندی و چسباندن Bagging and Pasting Theory

• کیسه بندی و چسباندن طبقه بندی عملی Bagging and Pasting Classification Practical

• بسته بندی و چسباندن رگرسیون عملی Bagging and Pasting Regression Practical

• تئوری AdaBoost AdaBoost Theory

• AdaBoost طبقه بندی عملی AdaBoost Classification Practical

• رگرسیون AdaBoost عملی AdaBoost Regression Practical

• نظریه تقویت گرادیان Gradient Boosting Theory

• طبقه بندی افزایش گرادیان عملی Gradient Boosting Classification Practical

• رگرسیون افزایش گرادیان عملی Gradient Boosting Regression Practical

• تئوری چیدمان و ترکیب Stacking and Blending Theory

• انباشته طبقه بندی کننده های عملی Stacking Classifiers Practical

• رگرسیون انباشته عملی Stacking Regression Practical

کاهش ابعاد Dimensionality Reduction

• مقدمه کاهش ابعاد Dimensionality Reduction Introduction

• نظریه PCA PCA Theory

• PCA عملی PCA Practical

• نظریه NNMF NNMF Theory

• NNMF عملی NNMF Practical

• نظریه ایزومپ Isomap Theory

• ایزومپ کاربردی Isomap Practical

• نظریه LLE LLE Theory

• LLE عملی LLE Practical

• نظریه t-SNE t-SNE Theory

• t-SNE عملی t-SNE Practical

یادگیری بدون نظارت Unsupervised Learning

• مقدمه یادگیری بدون نظارت Unsupervised Learning Introduction

• نظریه KMeans KMeans Theory

• KMeans عملی KMeans Practical

• انتخاب تئوری تعداد خوشه ها Choosing Number of Clusters Theory

• انتخاب تعداد خوشه ها عملی است Choosing Number of Clusters Practical

• نظریه DBSCAN DBSCAN Theory

• DBSCAN عملی DBSCAN Practical

• نظریه اختلاط گاوسی Gaussian Mixture Theory

• مخلوط گاوسی عملی Gaussian Mixture Practical

• نظریه نیمه نظارتی Semi-Supervised Theory

• نیمه نظارت عملی Semi-Supervised Practical