آموزش یادگیری ماشین و کارشناسی ارشد علوم داده در پایتون و R - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• چرا یادگیری ماشین؟ Why Machine Learning?

• من کی هستم؟ ساختار دوره چگونه است؟ Who am I? How Is The Course Structured?

• Udemy بررسی به روزرسانی Udemy Reviews Update

• پایتون یا R؟ Python Or R?

• بارگیری مطالب مورد نیاز Download Required Materials

• بیشترین استفاده را از آموزش ها کسب کنید. Get the most from Tutorials.EU

تنظیم محیط پایتون Setting Up The Python Environment

• نصب ابزارهای مورد نیاز Installing Required Tools

• دوره تصادف: محیط مشتری ما Crash Course: Our Jupyter-Environment

• نحوه یافتن پرونده مناسب در مواد درسی How To Find The Right File In The Course Materials

تنظیم محیط R Setting Up The R Environment

• نصب r و rstudio Installing R And RStudio

• دوره تصادف: R و Rstudio Crash Course: R and RStudio

• نحوه یافتن پرونده مناسب در مواد درسی How To Find The Right File In The Course Materials

• در مورد سخنرانی های بعدی توجه داشته باشید Note About The Next Lectures

• مقدمه: بردار در r Intro: Vectores in R

• مقدمه: data.Table در r Intro: data.table In R

مبانی یادگیری ماشین Basics Machine-Learning

• مدل چیست؟ What's A Model?

• یادگیری ماشین برای کدام مشکلات استفاده می شود Which Problems Is Machine Learning Used For

رگرسیون خطی Linear Regression

• Intuiton: رگرسیون خطی (قسمت 1) Intuiton: Linear Regression (Part 1)

• شهود: رگرسیون خطی (قسمت 2) Intuition: Linear Regression (Part 2)

• درک شهود با Geogebra Intuition Comprehend With Geogebra

• مسابقه 1: بررسی: رگرسیون خطی Quiz 1: Check: Linear Regression

• پایتون: داده ها را بخوانید و گرافیک را ترسیم کنید Python: Read Data And Draw Graphic

• توجه: اکسل Note: Excel

• پایتون: رگرسیون خطی (قسمت 1) Python: Linear Regression (Part 1)

• پایتون: رگرسیون خطی (قسمت 2) Python: Linear Regression (Part 2)

• R: رگرسیون خطی (قسمت 1) R: Linear Regression (Part 1)

• R: رگرسیون خطی (قسمت 2) R: Linear Regression (Part 2)

• R: رگرسیون خطی (قسمت 3) R: Linear Regression (Part 3)

• R: رگرسیون خطی (قسمت 4) R: Linear Regression (Part 4)

• EXCURSUS (اختیاری): چرا از خطای درجه دوم استفاده می کنیم؟ Excursus (optional): Why Do We Use The Quadratic Error?

پروژه: رگرسیون خطی Project: Linear Regression

• مقدمه: رگرسیون خطی پروژه (فروش ماشین استفاده شده) Intro: Project Linear Regression (Used Car Sales)

• رگرسیون خطی پروژه Project Linear Regression

• پایتون: راه حل نمونه Python: Sample Solution

• R: راه حل نمونه R: Sample Solution

قطار/تست Train/Test

• شهود: قطار/آزمون Intuition: Train / Test

• بررسی کنید: قطار/تست Check: Train / Test

• پایتون: قطار/تست (قسمت 1) Python: Train / Test (Part 1)

• پایتون: قطار/تست (قسمت 2) Python: Train / Test (Part 2)

• پایتون: قطار/آزمون - چالش Python: Train / Test - Challenge

• R: قطار/آزمون (قسمت 1) R: Train / Test (Part 1)

• R: قطار/آزمون (قسمت 2) R: Train / Test (Part 2)

• R: قطار/آزمون - چالش R: Train / Test - Challenge

رگرسیون خطی با متغیرهای متعدد Linear Regression With Multiple Variables

• شهود: رگرسیون خطی با متغیرهای متعدد (قسمت 1) Intuition: Linear regression with multiple variables (Part 1)

• شهود: رگرسیون خطی با متغیرهای متعدد (قسمت 2) Intuition: Linear regression with multiple variables (Part 2)

• بررسی: رگرسیون خطی با متغیرهای متعدد Check: Linear regression with multiple variables

• پایتون: رگرسیون خطی با متغیرهای متعدد (قسمت 1) Python: Linear regression with multiple variables (Part 1)

• پایتون: رگرسیون خطی با متغیرهای متعدد (قسمت 2) Python: Linear regression with multiple variables (Part 2)

• R: رگرسیون خطی با متغیرهای متعدد (قسمت 1 + 2) R: Linear regression with multiple variables (Part 1 + 2)

مقایسه مدل ها: ضریب تعیین Compare models: coefficient of determination

• شهود: R² - ضریب تعیین (قسمت 1) Intuition: R² - The coefficient of determination (Part 1)

• شهود: R² - ضریب تعیین (قسمت 2) Intuition: R² - The coefficient of determination (Part 2)

• بررسی کنید: R²/ضریب تعیین Check: R² / coefficient of determination

• پایتون: محاسبه R² Python: Calculate R²

• پایتون: مدل ها را با r² مقایسه کنید Python: Compare models by R²

• R: R² را محاسبه کنید R: Calculate R²

• R: مدل ها را با R² مقایسه کنید R: Compare models by R²

پروژه عملی: ضریب تعیین Practical project: Coefficient of Determination

• مقدمه: پروژه عملی: ضریب تعیین Introduction: Practical project: coefficient of determination

• توجه: از کجا می توانید پروژه را پیدا کنید؟ Note: Where can you find the project?

• پایتون ، پروژه عملی: ضریب تعیین را محاسبه کنید Python, practical project: Calculate coefficient of determination

• R ، Praxisprojekt: Bestimmtheitsmaß Berechnen R, Praxisprojekt: Bestimmtheitsmaß berechnen

مفهوم: انواع داده ها و نحوه پردازش آنها Concept: Types of data and how to process them

• شهود: انواع داده ها (قسمت 1) - چه نوع وجود دارد؟ Intuition: Data Types (Part 1) - What Types Are There?

• شهود: انواع داده ها (قسمت 2) - داده های متریک و اسمی Intuition: Data Types (Part 2) - Metric & Nominal Data

• شهود: انواع داده ها (قسمت 3) - داده های نظم Intuition: Data Types (Part 3) - Ordinal Data

• پایتون: پردازش داده های اسمی (قسمت 1 ، تهیه داده ها) Python: Processing Nominal Data (Part 1, Preparing Data)

• راه حل خود را بررسی کنید! Check your solution!

• پایتون: پردازش داده های اسمی (قسمت 2) Python: Processing Nominal Data (Part 2)

• R: پردازش داده های اسمی (قسمت 1 + 2) R: Process nominal data (Part 1 + 2)

• گشت و گذار اختیاری: چرا به ما اجازه داده شد ستون را حذف کنیم؟ Optional excursus: Why were we allowed to remove a column?

رگرسیون چند جمله ای Polynomial Regression

• شهود: رگرسیون چند جمله ای (قسمت 1) Intuition: Polynomial Regression (Part 1)

• شهود: رگرسیون چند جمله ای (قسمت 2) Intuition: Polynomial Regression (Part 2)

• پایتون: رگرسیون چند جمله ای (قسمت 1) Python: Polynomial Regression (Part 1)

• پایتون: رگرسیون چند جمله ای (قسمت 2) Python: Polynomial Regression (Part 2)

• R: رگرسیون چند جمله ای (قسمت 1) R: Polynomial Regression (Part 1)

• R: رگرسیون چند جمله ای (قسمت 1) R: Polynomial Regression (Part 1)

پروژه تمرین: رگرسیون چند جمله ای Practice Project: Polynomial Regression

• ارائه: رگرسیون چند جمله ای پروژه را تمرین کنید Presentation: Practice Project Polynomial Regression

• پایتون: راه حل نمونه: رگرسیون چند جمله ای پروژه Python: Sample Solution: Project Polynomial Regression

• R: راه حل نمونه: رگرسیون چند جمله ای پروژه R: Sample Solution: Project Polynomial Regression

EXCURSUS R: محاسبات بردار در R (ماتریس ، ...) Excursus R: Vectorize calculations in R (matrices, ...)

• R: بردارها و ماتریس ها R: Vectors and matrices

• R: دسترسی به عناصر در بردارها R: Access elements in vectors

• R: نامگذاری عناصر R: Naming of elements

• R: ماتریس R: Matrices

• R: نام ماتریس R: Name matrices

• R: Datatables R: DataTables

EXCURSUS PYTHON: محاسبات بردار (Numpy) Excursus Python: Vectorize Calculations (Numpy)

• EXCURSUS PYTHON: چرا Numpy؟ (قسمت 1) Excursus Python: Why Numpy? (Part 1)

• EXCURSUS PYTHON: چرا Numpy؟ (قسمت 2) Excursus Python: Why Numpy? (Part 2)

• Expursus Python: numpy (آرایه ها) Excursus Python: Numpy (Arrays)

• Expursus Python: numpy (آرایه - برنامه) Excursus Python: Numpy (Arrays - Application)

• Expursus Python: Numpy (ماتریس) Excursus Python: Numpy (Matrices)

• EXCURSUS PYTHON: عملکرد NP.where () Excursus Python: The np.where() function

نتایج تست پایدارتر با اعتبار سنجی متقاطع K More stable test results with K-Fold Cross-Validation

• شهود: اعتبار سنجی متقاطع K Intuition: K-Fold Cross-Validation

• اعتبار سنجی متقاطع k K-Fold Cross-Validation

• پایتون: اعتبار سنجی متقاطع K (قسمت 1) Python: K-Fold Cross Validation (Part 1)

• پایتون: اعتبار سنجی متقاطع K (قسمت 2) Python: K-Fold Cross Validation (Part 2)

• پایتون: اعتبار سنجی متقاطع K (قسمت 3) Python: K-Fold Cross Validation (Part 3)

• R: اعتبار سنجی متقاطع K (قسمت 1-3) R: K-Fold Cross Validation (Part 1-3)

• شهود: اعتبار سنجی متقاطع k-fold تکرار شده Intuition: Repeated K-Fold Cross-Validation

• اعتبار سنجی متقاطع k-fold Repeated K-Fold Cross-Validation

• پایتون: اعتبار سنجی متقاطع k-fold تکرار شده Python: Repeated K-Fold Cross-Validation

• R: اعتبار سنجی متقاطع K- برابر R: Repeated K-Fold Cross-Validation

پروژه عملی: اعتبار سنجی متقابل K Practical project: K-Fold Cross-Validation

• کار: اعتبار سنجی متقاطع K Task: K-Fold Cross-Validation

• پایتون: نمونه راه حل K-Fold Cross-Cross Python: Sample Solution K-Fold Cross-Validation

• R: نمونه راه حل K-Fold Cross R: Sample Solution K-Fold Cross-Validation

مبانی آمار Statistics basics

• چرا ما به اصول آمار نیاز داریم؟ Why do we need statistics basics?

• شهود: میانگین در مقابل میانه Intuition: mean vs. median

• میانگین ارزش و متوسط Mean value and median

• پایتون: میانگین مقدار و میانه را محاسبه کنید Python: Calculate mean value & median

• R: میانگین و میانگین را محاسبه کنید R: Calculate mean value & median

• شهود: نمونه Intuition: Sample

• شهود: واریانس و انحراف استاندارد Intuition: variance and standard deviation

• واریانس و انحراف استاندارد Variance and standard deviation

• دانش متخصص (اختیاری): واریانس نمونه اصلاح شده Expert Knowledge (Optional): Corrected Sample Variance

• پایتون: هیستوگرام را بکشید Python: Draw Histograms

• R: هیستوگرام را بکشید R: Draw Histograms

پروژه: اصول آمار Project: Statistics basics

• مقدمه: "اصول آمار" پروژه را تمرین کنید Introduction: Practice project "Statistics Basics"

• Python ExuRSUS: داده های باز و فیلتر Python Excursus: Open and filter data

• R Expursus: داده های باز و فیلتر R Excursus: Open and filter data

• پایتون: پروژه راه حل نمونه "اصول آمار" Python: Sample Solution Project "Statistics Basics"

• R: پروژه راه حل نمونه "مبانی آماری R: Sample Solution Project "Statistical Foundations

طبقه بندی Classification

• شهود: طبقه بندی چیست؟ Intuition: What is classification?

• طبقه بندی Classification

• ارائه: داده های مثال ما Presentation: Our example data

رگرسیون لجستیک Logistic Regression

• شهود: رگرسیون لجستیک Intuition: Logistic Regression

• رگرسیون لجستیک Logistic Regression

• شهود: رگرسیون لجستیک (اصطلاح خطا) Intuition: Logistic Regression (Error Term)

• پایتون: نمایش داده ها Python: Display data

• پایتون: داده های مقیاس Python: Scale data

• پایتون: داده ها را پیش بینی کنید Python: Predict data

• پایتون: مرز تصمیم گیری را تجسم کنید Python: Visualize decision boundary

• پایتون: مرز تصمیم گیری (انتقال صاف) را تجسم کنید Python: Visualize decision boundary (smooth transition)

• پایتون (اختیاری): محدودیت تصمیم چگونه تجسم می شود؟ (قسمت 1) Python (optional): How is decision limit visualized? (Part 1)

• پایتون (اختیاری): محدودیت تصمیم چگونه تجسم می شود؟ (قسمت 2) Python (optional): How is decision limit visualized? (Part 2)

• پایتون: الگوی طبقه بندی شما Python: Your Classification Template

• R: نمایش داده ها R: Display data

• R: داده های مقیاس R: Scale data

• R: مرز تصمیم گیری را تجسم کنید R: Visualize decision boundary

• R: مرز تصمیم گیری (انتقال صاف) را تجسم کنید R: Visualize decision boundary (smooth transition)

• R (اختیاری): محدودیت تصمیم چگونه تجسم می شود؟ R (optional): How is the decision limit visualized?

• R: دقت را محاسبه کنید R: Calculate accuracy

• R: الگوی طبقه بندی شما R: Your Classification Template

پروژه تمرین: سرطان پستان را تشخیص دهید Practice Project: Detect Breast Cancer

• پایتون: پروژه سرطان پستان کار Python: Task breast cancer project

• پایتون: نمونه پروژه سرطان پستان راه حل Python: Sample solution breast cancer project

• R: پروژه سرطان پستان کار R: Task breast cancer project

• R: نمونه پروژه سرطان پستان راه حل R: Sample solution breast cancer project

طبقه بندی با چندین کلاس Classification with Several Classes

• شهود: یک VS-ALL ، یک VS-One Intuition: One-Vs-All, One-Vs-One

• یک VS-ALL ، یک VS-One One-Vs-All, One-Vs-One

• پایتون: یک VS-ALL ، یک VS-One Python: One-Vs-All, One-Vs-One

• R: One-VS-ALL R: One-Vs-All

• شهود: رگرسیون لجستیک چندمجمی Intuition: Multinomial Logistic Regression

• پایتون: رگرسیون لجستیک چندمیک Python: Multinomial Logistic Regression

• R: رگرسیون لجستیک چندمجمی R: Multinomial Logistic Regression

K-Nearest-Deighbor (KNN) K-Nearest-Neighbor (KNN)

• شهود: knn Intuition: KNN

• کنگره KNN

• پایتون: KNN Python: KNN

• پایتون: KNN (اثرات K) Python: KNN (effects of k)

• R: KNN R: KNN

• R: KNN (اثرات K) R: KNN (effects of k)

• R: KNN (نکته: عملکرد پیش بینی) R: KNN (Tip: The predict function)

پروژه عملی: طبقه بندی برگهای شکوفه عنبیه Practical project: Classifying iris blossom leaves

• پروژه: Iris (مقدمه) Project: Iris (Introduction)

• پایتون: پروژه کار "Iris" Python: Task Project "Iris"

• پایتون: پروژه راه حل "Iris" Python: Sample solution "Iris" project

• R: پروژه کار "Iris" R: Task Project "Iris"

• R: پروژه راه حل نمونه "Iris" R: Sample solution "Iris" project

درختان تصمیم گیری Decision Trees

• شهود: آنتروپی Intuition: Entropy

• آنتروپی Entropy

• شهود: درختان تصمیم گیری Intuition: Decision Trees

• اطلاعات بیشتر: آنتروپی Further information: Entropy

• درختان تصمیم گیری Decision Trees

• پایتون: درختان تصمیم گیری Python: Decision Trees

• پایتون: تجسم درختان تصمیم گیری (قسمت 1) Python: Visualizing Decision Trees (Part 1)

• پایتون: تجسم درختان تصمیم گیری (قسمت 2) Python: Visualizing Decision Trees (Part 2)

• پایتون: محدود کردن درختان تصمیم گیری Python: Restricting Decision Trees

• پایتون: درختان تصمیم صادرات Python: Export Decision Trees

• R: درختان تصمیم گیری R: Decision trees

• R: تجسم درختان تصمیم گیری (قسمت 1) R: Visualize decision trees (Part 1)

• R: تجسم درختان تصمیم گیری (قسمت 2) R: Visualize decision trees (Part 2)

• R: درختان تصمیم (عملکرد پیش بینی ()) R: Decision trees (the predict() function)

• R: درختان تصمیم گیری را محدود کنید R: Restrict decision trees

• R: درختان تصمیم گیری صادرات R: Export decision trees

پروژه عملی: طبقه بندی قارچ Practical project: Classifying mushrooms

• کار: طبقه بندی قارچ پروژه Task: Classify project mushrooms

• پایتون: راه حل ها Python: Solutions

• پایتون: راه حل نمونه Python: Sample solution

• R: راه حل ها R: Solutions

• R: راه حل نمونه R: Sample solution

جنگل های تصادفی Random Forests

• شهود: جنگل تصادفی Intuition: Random Forest

• جنگل تصادفی Random Forest

• پایتون: جنگل تصادفی Python: Random Forest

• R: جنگل تصادفی R: Random Forest

• کار: RandomForest Task: RandomForest

معضل تعصب/واریانس The Bias/Variance Dilemma

• شهود: آموزش در مقابل آزمایش ترور Intuition: Training vs. testing terror

• شهود: تعصب در مقابل واریانز Intuition: Bias vs. Varianz

• تعصب در مقابل واریانز Bias vs. Varianz

• شهود: مقایسه مدل ها با تعصب بالا یا واریانس بالا Intuition: Comparison of models with high bias or high variance

• شهود: منحنی اعتبار سنجی Intuition: Validation curve

• پایتون: منحنی اعتبار سنجی Python: Validation curve

• پایتون: منحنی اعتبار سنجی کار Python: Task Validation Curve

• پایتون: منحنی اعتبار سنجی راه حل نمونه Python: Sample Solution Validation Curve

• R: منحنی اعتبار سنجی R: Validation curve

• R: منحنی اعتبار سنجی (عملکرد Sapply) R: Validation curve (the sapply function)

• R: منحنی اعتبار سنجی کار R: Task Validation curve

• R: منحنی اعتبار سنجی راه حل نمونه R: Sample solution Validation curve

• شهود: چه زمانی به داده های بیشتری نیاز دارید؟ Intuition: When do you need more data?

• شهود: منحنی یادگیری Intuition: Learning curve

• منحنی یادگیری Learning curve

• پایتون: منحنی یادگیری را بکشید Python: Draw learning curve

• R: منحنی یادگیری ترسیم (قسمت 1) R: Draw learning curve (Part 1)

• R: منحنی یادگیری ترسیم (قسمت 2) R: Draw learning curve (Part 2)

بیوها Naive Bayes

• مقدمه: بیوها بیوها Introduction: Naive Bayes

• شهود: بیوها بیو (احتمالات) Intuition: Naïve Bayes (Probabilities)

• شهود: بیس های ساده (احتمالات شرطی) Intuition: Naïve Bayes (Conditional Probabilities)

• شهود: بیوها بیس (قضیه بیز) Intuition: Naive Bayes (Theorem of Bayes)

• شهود: Bayes ساده لوح (توزیع عادی Exursus) Intuition: Naive Bayes (Excursus Normal Distribution)

• شهود: بیوها بیوها (قسمت 1) Intuition: Naive Bayes (Part 1)

• شهود: Naiver Bayes (قسمت 2) Intuition: Naiver Bayes (Part 2)

• پایتون: بیس های ساده لوح Python: Naïve Bayes

• R: بیس بیس R: Naïve Bayes

پروژه عملی: توسعه فیلترهای هرزنامه Practical project: Developing spam filters

• ارائه پروژه: اسپم فیلتر Project presentation: Spam-Filter

• شهود: داده های متن را وارد کنید Intuition: Import text data

• پایتون: در حال توسعه فیلترهای هرزنامه (قسمت 1) Python: Developing spam filters (Part 1)

• پایتون: در حال توسعه فیلترهای هرزنامه (قسمت 2) Python: Developing spam filters (Part 2)

• R: در حال توسعه فیلترهای هرزنامه (قسمت 1) R: Developing spam filters (Part 1)

• R: در حال توسعه فیلترهای هرزنامه (قسمت 2) R: Developing spam filters (Part 2)

• پایتون: در حال توسعه فیلترهای هرزنامه (قسمت 3) Python: Developing spam filters (Part 3)

• R + Python: تفاوت بین پیاده سازی ها R + Python: Differences between implementations

متشکرم پاداش Thank YOU Bonus

• جایزه ویژه شما Your Special Bonus