یادگیری عمیق ماشین با پایتون: آموزش جامع و کاربردی - آخرین آپدیت

دانلود Machine Learning In-Depth (With Python)

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

یادگیری عمیق ماشین (با پایتون)

یادگیری عمیق ماشین (با پایتون)

در این دوره چه چیزی یاد خواهید گرفت؟

یادگیری عمیق ماشین، پوشش مفاهیم مقدماتی، یادگیری با نظارت (شامل رگرسیون و طبقه‌بندی)، یادگیری بدون نظارت (شامل کاهش ابعاد و خوشه‌بندی).

تعداد کمی از دوره‌ها مبانی و الگوریتم‌ها را به طور مفصل پوشش می‌دهند، و در اینجا توضیحات واضح و ساده و پیاده‌سازی عملی را خواهید یافت.

با اتمام این دوره برای اکثر سوالات مصاحبه مربوط به نقش‌های علم داده/یادگیری ماشین آماده خواهید شد، به خصوص در زمینه یادگیری با نظارت (شامل رگرسیون و طبقه‌بندی) و یادگیری بدون نظارت (شامل کاهش ابعاد و خوشه‌بندی).

این دوره پیش‌نیاز دوره‌های یادگیری عمیق، یادگیری تقویتی، پردازش زبان طبیعی (NLP) و سایر دوره‌های هوش مصنوعی (AI) است.

پیش‌نیازهای شرکت در این دوره چیست؟

توصیه می‌شود ابتدا دوره "تحلیل عمیق داده (با پایتون)" را در یودمی بگذرانید.

این دوره برای چه کسانی مناسب است؟

افرادی که به دنبال پیشرفت شغلی در نقش‌های علم داده و یادگیری ماشین هستند.

افرادی که در حال حاضر در نقش‌های مهندسی علم داده/ML Ops کار می‌کنند و می‌خواهند مفاهیم را به طور کامل درک کنند.

افرادی که می‌خواهند قبل از ورود به دوره‌های یادگیری عمیق، یادگیری تقویتی، پردازش زبان طبیعی (NLP)، LLM، هوش مصنوعی مولد و سایر دوره‌های هوش مصنوعی (AI)، پایه خود را قوی کنند.

افرادی که در حال حاضر به عنوان توسعه‌دهنده فول استک کار می‌کنند و می‌خواهند به نقش‌های مهندس یادگیری ماشین منتقل شوند.

آیا این دوره عمیق است و شما را برای صنعت آماده می‌کند؟

قطعا بله، این دوره شما را برای موفقیت در مصاحبه‌های یادگیری ماشین و حل مسائل ML آماده می‌کند. همچنین، پایه‌ای قوی برای یادگیری عمیق، یادگیری تقویتی و غیره فراهم می‌کند.

من در زمینه IT/علم داده تازه‌کار هستم، آیا این دوره را درک خواهم کرد؟

مطمئناً بله، این دوره به ساده‌ترین شکل ممکن تدریس می‌شود تا برای همه قابل فهم باشد.


سرفصل ها و درس ها

دوره جامع یادگیری ماشین Machine Learning In-Depth Course

  • مقدمه ای بر مسیر شغلی علم داده Introduction to Data Science Career Path

  • روز اول - مقدمه ای بر یادگیری ماشین Day 1 - Introduction to ML

  • روز دوم الف - یادگیری ماشین انتها به انتها (روز اول از دو روز) Day 2A - ML End to End (Day 1 of 2)

  • روز دوم ب - یادگیری ماشین انتها به انتها (روز اول از دو روز) Day 2B - ML End to End (Day 1 of 2)

  • روز سوم - یادگیری ماشین انتها به انتها (روز دوم از دو روز) Day 3 - ML End to End (Day 2 od 2)

  • روز چهارم - یادگیری ماشین - رگرسیون خطی Day 4 - ML - Linear Regression

  • روز پنجم - یادگیری ماشین - ادامه رگرسیون خطی Day 5 - ML - Linear Regression Continue

  • روز ششم - یادگیری ماشین - ادامه رگرسیون خطی Day 6 - ML - Linear Regression Continue

  • روز هفتم - یادگیری ماشین - ادامه رگرسیون خطی Day 7 - ML - Linear Regression Continue

  • روز هشتم - یادگیری ماشین - تمرین رگرسیون خطی Day 8 - ML - Linear Regression Practical

  • روز نهم - یادگیری ماشین - مقدمه ای بر طبقه بندی Day 9 - ML - Introduction to Classification

  • روز دهم - یادگیری ماشین - مقدمه ای بر طبقه بندی Day 10 - ML - Introduction to Classification

  • روز یازدهم - یادگیری ماشین - مقدمه ای بر رگرسیون لجستیک Day 11 - ML - Introduction of Logistics Regression

  • روز دوازدهم - یادگیری ماشین - تمرین رگرسیون لجستیک Day 12 - ML - Logistics Regression Practical

  • روز سیزدهم - یادگیری ماشین - مقدمه ای بر درخت تصمیم Day 13 - ML - Introduction of Decision Tree

  • روز چهاردهم - یادگیری ماشین - درخت تصمیم (ادامه) و تمرین عملی Day 14 - ML - Decision Tree (Cont) and Hands On

  • روز پانزدهم الف - یادگیری ماشین - جنگل تصادفی و تمرین عملی Day 15A - ML - Random Forest and Hands on

  • روز پانزدهم ب - یادگیری ماشین - جنگل تصادفی و تمرین عملی Day 15B - ML - Random Forest and Hands on

  • روز شانزدهم - یادگیری ماشین - ماشین های بردار پشتیبان Day 16 - ML - Support Vector Machines

  • روز هفدهم - یادگیری ماشین - تمرین عملی ماشین های بردار پشتیبان Day 17 - ML - Support Vector Machines Hands On

  • روز هجدهم - یادگیری ماشین - تحلیل مولفه های اصلی Day 18 - ML - Principal Component Analysis

  • روز نوزدهم - یادگیری ماشین - تمرین عملی تحلیل مولفه های اصلی Day 19 - ML - Principal Component Analysis Hands On

  • روز بیستم - یادگیری ماشین - خوشه بندی Day 20 - ML - Clustering

  • روز بیست و یکم - یادگیری ماشین - تمرین عملی خوشه بندی Day 21 - ML - Clustering Hands On

نمایش نظرات

یادگیری عمیق ماشین با پایتون: آموزش جامع و کاربردی
جزییات دوره
46 hours
24
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
435
4.6 از 5
دارد
دارد
دارد
Harish Masand
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Harish Masand Harish Masand

من در حال حاضر به عنوان سرب فنی در شرکت پیشرو فناوری اطلاعات کار می کنم و دارای 10 سال تجربه در IT (توسعه و پشتیبانی) با 5 سال سابقه کار در سیستم اکو Apache Hadoop و Spark هستم. من دارای تجربه دامنه در بانکداری ، بیمه ، ساخت و خرده فروشی دامنه و دارای گواهینامه PRINCE2 و Scrum Master هستم.