آموزش بوت‌کمپ برترین دانشمند داده ™ - آخرین آپدیت

سرفصل ها و درس ها

آشنایی با حوزه علم داده Understanding The Field of Data Science

• دانلود سرفصل دوره Download Course Curriculum

• علم داده چیست What is Data Science

• ۴ فعالیت اصلی در علم داده The 4 Main Activities in Data Science

• کاربرد‌های علم داده Applications of Data Science

• یک دانشمند داده چه کاری انجام می‌دهد؟ چرخه حیات علم داده What does a Data Scientist do? The Data Science Lifecycle

• دانشمند داده کیست Who is a Data Scientist

• چه کسانی واجد شرایط تبدیل شدن به دانشمند داده هستند؟ Who qualifies to become a Data Scientist?

• مهارت‌های مورد نیاز برای تبدیل شدن به یک دانشمند داده برتر Skills required to become a Top Data Scientist

• علم داده در مقابل یادگیری ماشین در مقابل هوش مصنوعی Data Science vs Machine Learning vs Artificial Intelligence

• یک دانشمند داده چقدر درآمد دارد؟ How much does a Data Scientist earn?

• مشاغل علم داده Data Science Careers

• چشم‌انداز شغلی علم داده Data Science Job Outlook

برای همه مجموعه داده‌ها و منابع دوره For ALL Course Datasets and Resources

• دسترسی به تمام مجموعه داده‌ها و منابع دوره Access all course Datasets and Resources

پایتون -- سطح پایه PYTHON -- BASIC LEVEL

• منابع پایتون Python resources

• چرا پایتون؟ Why Python?

• نصب پایتون Python Installation

• آشنایی با Google Collab Getting familiar with Google Collab

مفاهیم مقدماتی پایتون Python Introductory Concepts

• شناسه‌های پایتون Python Identifiers

• دستور چاپ پایتون Python Print Statement

• کلمات کلیدی در پایتون Keywords in Python

• کامنت‌ها در پایتون Comments In Python

• متغیرهای پایتون Python Variables

• انواع داده در پایتون: اعداد | ممیز شناور | رشته | لیست | تاپل Data Types In Python : Numbers | Float | String | List | Tuple

• تغییرناپذیری لیست و تاپل List & Tuple Immutability

• دیکشنری در پایتون Dictionary in Python

• مجموعه در پایتون Set in Python

• نوع بولی در پایتون Boolean Type in Python

• تابع خروجی پایتون The Python Output Function

• تابع ورودی پایتون The Python Input Function

• کلمه کلیدی Import The Import keyword

تمرین پایتون ۱ Python Practice 1

• آزمون تمرین پایتون Python Practice Test

پایتون -- سطح متوسط PYTHON -- INTERMEDIATE LEVEL

• مرور کلی Overview

عملگرها در پایتون Operators in Python

• عملگر ریاضی Arithmetic Operator

• عملگر مقایسه‌ای Comparison Operator

• عملگر تخصیص Assignment Operator

• عملگر منطقی Logical Operator

• عملگر عضویت Membership Operator

کنترل جریان پایتون Python Flow Control

• دستور IF The IF statement

• دستور If..else The If..else statement

• دستور Elif The Elif statement

• حلقه For For Loop

• حلقه While While Loop

• دستور Break و Continue Break and Continue

توابع پایتون Python Functions

• توابع داخلی Inbuilt functions

• تابع Range در پایتون The Range function in python

• توابع تعریف شده توسط کاربر User defined functions

• توابع دلخواه Arbitrary Functions

• توابع لامبدا Lambda Functions

تاریخ و زمان در پایتون Date and Time In Python

• تاریخ و زمان پایتون Python Date and Time

تمرین پایتون ۲ Python Practice 2

• تمرین پایتون ۲ Python Practice 2

پایتون -- سطح پیشرفته PYTHON -- ADANCED LEVEL

• مرور کلی Overview

فایل‌های پایتون Python Files

• باز و بسته کردن یک فایل در پایتون Opening and Closing a file in python

• خواندن و نوشتن در یک فایل در پایتون Reading and Writing to a file in Python

ماژول‌ها | بسته‌ها | کتابخانه‌های پایتون Python Modules | Packages | Libraries

• ماژول‌های پایتون Python Modules

• وارد کردن ماژول‌ها و بسته‌ها در پایتون Importing Modules and Packages in Python

• بسته‌های پایتون Python Packages

NumPy پایتون Python NumPy

• مقدمه NumPy Introduction NumPy

• آرایه NumPy NumPy Array

• NumPy Arange NumPy Arange

• توابع جهانی NumPy NumPy Universal Functions

• عملیات مقایسه‌ای در NumPy Comparison Operations in NumPy

• خصوصیات آرایه NumPy NumPy Array Properties

• اندیس‌گذاری در NumPy Indexing in NumPy

• برش‌دهی در NumPy Slicing in NumPy

• برش‌دهی و اندیس‌گذاری آرایه‌های چندبعدی در NumPy Multi-dimensional Array Slicing & Indexing in NumPy

• عملیات آرایه NumPy NumPy Array Operations

• Hstack و Vstack در NumPy Hstack & Vstack in NumPy

• پخش NumPy (Broadcasting) NumPy Broadcasting

• تولید مقادیر تصادفی با استفاده از NumPy Generating Random Values using NumPy

آزمون تمرین NumPy Numpy Practice Quiz

• آزمون NumPy Numpy Quiz

Pandas پایتون Python Pandas

• مقدمه‌ای بر Pandas Introduction To Pandas

• ایجاد سری Pandas Creating Pandas Series

• اندیس‌گذاری و برش‌دهی در سری Pandas Indexing & Slicing in Pandas Series

• انتخاب شرطی در Pandas Conditional Selection in Pandas

• مرتب‌سازی DataFrame پاندا: مرتب‌سازی تکی در مقابل مرتب‌سازی چندگانه Sorting A Pandas DataFrame : Single Sort vs Multi-Sort

• افزودن ستون‌های جدید به DataFrame پاندا Adding New Columns To A Pandas DataFrame

• حذف ستون در DataFrame پاندا Dropping A Column In Pandas DataFrame

• حذف ردیف/اندیس در DataFrame پاندا Dropping A Row/Index In Pandas DataFrame

• انتخاب سری از DataFrame پاندا Selecting A Series From Pandas DataFrame

• ادغام و پیوستن DataFrames پاندا Merging and Joining Pandas DataFrames

• تغییر نام ستون در DataFrame پاندا Rename A Column In Pandas DataFrame

تمرین پاندا Pandas Exercise

• آزمون تمرین پاندا Pandas Exercise Quiz

مصورسازی داده در پایتون Python Data Visualization

• مرور کلی Overview

Matplotlib Maplotlib

• نمودار خطی با Matplotlib Line Plot with Matplotlib

• نمودار میله‌ای با Matplotlib Bar Plot with Matplotlib

• نمودار دایره‌ای با Matplotlib Pie Chart with Matplotlib

Seaborn Seaborn

• زیرنمودار با Seaborn Sub Plot with Seaborn

• نمودار پراکندگی با Seaborn Scatter Plot with Seaborn

• نمودار جعبه‌ای با Seaborn Box Plot with Seaborn

• نمودار زوجی با Seaborn Pair Plot with Seaborn

• نقشه حرارتی (Heatmap) Heatmap

پروژه: پروژه پایتون PROJECT : Python Project

• پروژه پایتون Python project

تکلیف پروژه پایتون Python Project Assignment

• تکلیف پایتون Python Assignment

آمار و احتمال برای علم داده STATISTICS & PROBABILITY FOR DATA SCIENCE

• مرور کلی Overview

• منابع آمار Statistics resources

آمار -- سطح پایه STATISTICS -- BASIC LEVEL

• مقدمه‌ای بر آمار Introduction to statistics

• اهمیت آمار Importance of Statistics

• چقدر ریاضیات یا آمار نیاز دارید یاد بگیرید؟ How much Maths or Statistics do you need to learn?

• انواع آمار Types of Statistics

• جمعیت در مقابل نمونه Population vs Sample

• داده چیست؟ What is Data?

• انواع داده Data Types

آمار توصیفی Descriptive Statistics

• مقدمه‌ای بر آمار توصیفی Introduction to descriptive statistics

معیارهای گرایش مرکزی Measure of Central Tendency

• عملی: میانگین Practical Hands-on : Mean

• عملی: میانه Practical Hands-on : Median

• عملی: مد Practical Hands-on : Mode

معیارهای پراکندگی Measure of Dispersion

• دامنه (Range) The Range

• واریانس The Variance

• انحراف معیار The Standard Deviation

چارک‌ها/صدک‌ها The Quartiles/Percentiles

• چارک‌های اول، دوم و سوم: Q1 | Q2 | Q3 The 1st, 2nd and 3rd Quartiles : Q1 | Q2 | Q3

• دامنه بین چارکی Interquartile Range

• نمودار جعبه‌ای برای چارک‌ها Boxplot for the Quartiles

• تابع "Describe" پایتون The Python "Describe" function

توزیع نرمال The Normal Distribution

• درک توزیع نرمال Understanding the Normal Distribution

• نمایش عملی توزیع نرمال Practical demo of the Normal Distribution

• چولگی: چولگی مثبت در مقابل چولگی منفی Skewness : Positively Skewed vs Negatively Skewed

تحلیل رگرسیون Regression Analysis

• متغیرهای وابسته در مقابل مستقل Dependent vs Independent variables

• درک بصری تحلیل رگرسیون Intuitive understanding of Regression Analysis

• آزمایشگاه عملی: تحلیل رگرسیون Hands-on Lab : Regression Analysis

• همبستگی به معنای علیت نیست Correlation is NOT Causation

آمار استنباطی Inferential Statistics

• مرور کلی Overview

احتمال Probability

• مقدمه‌ای بر احتمال Introduction to Probability

• کاربرد احتمال در علم داده و تحلیل Applications of probability in Data Science and Analytics

• واژگان کلیدی در احتمال: آزمایش | فضای نمونه | رویداد Key terms in Probability : Experiment | Sample space | Event

• رویدادهای مستقل در مقابل وابسته Independent vs Dependent event

• رویدادهای ناسازگار در مقابل رویدادهای غیر ناسازگار Mutually exclusive vs Non-mutually exclusive events

• احتمال شرطی Conditional Probability

• مورد استفاده احتمال شرطی Conditional Probability Use-case

• قضیه بیز Bayes Theorem

آزمون فرض Hypothesis Testing

• آزمون فرض چیست؟ What is Hypothesis testing?

• فرض صفر در مقابل فرض جایگزین Null vs Alternative hypothesis

• آزمون یک‌طرفه در مقابل آزمون دوطرفه One-tailed vs Two-tailed test

• سطح معناداری در مقابل مقدار P Significance Level vs P-Value

• آزمایشگاه عملی: آزمون فرض Hands-on Lab : hypothesis testing

• تحلیل مقایسه‌ای Comparative Analysis

• خطاهای نوع ۱ و نوع ۲ Type 1 and Type 2 Errors

• فرآیند انجام آزمون فرض Process of Performing Hypothesis testing

آزمون آمار Statistics Quiz

• آزمون آمار Statistics Quiz

پروژه: تکلیف پروژه آمار PROJECT : Statistics Project Assignment

• پروژه آمار Statistics project

SQL برای علم داده SQL FOR DATA SCIENCE

• مرور کلی Overview

• منابع SQL SQL Resources

SQL -- سطح پایه SQL -- BASIC LEVEL

• مرور کلی Overview

مقدمه Introduction

• مقدمه‌ای بر SQL برای علم داده Introduction to SQL for Data Science

• پایگاه داده چیست؟ What is a Database?

• دسترسی به داده‌ها در پایگاه داده: RDBMS در مقابل DBMS Accessing Data in a Database : RDBMS vs DBMS

• SQL چیست؟ What is SQL?

• نصب نرم‌افزار در MacOS Software Installation on MacOS

• نصب نرم‌افزار در Windows Software Installation on Windows

• راهنمای رابط کاربری SQL Workbench SQL Workbench Interface Walkthrough

• شمای SQL (Schema) SQL Schema

• مقدمه‌ای بر دستورات SQL Introduction to SQL Commands

تعریف کلیدها در SQL Defining KEYS in SQL

• کلید اصلی (Primary Key) The Primary Key

• کلید خارجی (Foreign Key) The Foreign Key

• کلید ترکیبی (Composite Key) The Composite Key

• کلید جایگزین (Alternate Key) The Alternate Key

انواع داده در SQL Data Types In SQL

• CHAR در مقابل VARCHAR CHAR vs VARCHAR

• نوع عددی: نوع Integer و Float Numeric Type : Integer & Float type

• نوع تاریخ | زمان | باینری Date | Time | Binary Type

محدودیت‌ها در SQL Constraints In SQL

• محدودیت NOT NULL The NOT NULL Constraint

• محدودیت UNIQUE The UNIQUE Constraint

• محدودیت PRIMARY KEY PRIMARY KEY Constraint

• محدودیت FOREIGN KEY FOREIGN KEY Constraint

• محدودیت CHECK The CHECK Constraint

• محدودیت DEFAULT The DEFAULT Constraint

SQL -- سطح متوسط SQL -- INTERMEDIATE LEVEL

• مرور کلی Overview

دستورات SQL The SQL Commands

• ایجاد پایگاه داده (CREATE Database) CREATE Database

• ایجاد جداول (CREATE Tables) CREATE Tables

• ایجاد پایگاه داده دوره CREATE Course Database

• درج داده در جداول (INSERT Data) INSERT Data into Tables

• دستور SELECT The SELECT Command

• بند LIMIT Then LIMIT Clause

• بند WHERE The WHERE Clause

• عملگرهای منطقی SQL SQL Logical Operators

• بند LIKE The LIKE Clause

• بند BETWEEN The BETWEEN Clause

• بند ORDER BY The ORDER BY clause

دستورات دستکاری جدول SQL SQL Table Manipulation Statements

• دستور UPDATE The UPDATE statement

• دستور ALTER: ADD, DROP و MODIFY The ALTER statement : ADD, DROP and MODIFY

• دستور DELETE The DELETE statement

توابع تجمیع SQL SQL Aggregation Function

• توابع COUNT() | SUM() | AVG() | MAX() | MIN() The COUNT () | SUM() | AVG () | MAX() | MIN()

• بند GROUP BY The GROUP BY clause

• بند HAVING The HAVING clause

• بند CASE The CASE clause

• بند DISTINCT The DISTINCT clause

SQL -- سطح پیشرفته SQL -- ADVANCED LEVEL

• مرور کلی Overview

پیوندها در SQL (Joins) SQL Joins

• Inner Join Inner Join

• Left Join Left Join

• Right Join Right Join

• Full Join Full Join

• Self Join Self Join

• Cross Join Cross Join

انجام پرس و جوهای دنیای واقعی در SQL: از پرس و جوهای پایه تا پیشرفته Performing REAL-WORLD Queries In SQL : From Basic To Advance Queries

• پرس و جوهای سطح ۱ Level 1 Queries

• پرس و جوهای سطح ۲ Level 2 Queries

• پرس و جوهای سطح ۳ Level 3 Queries

اتصال SQL با پایتون Connecting SQL with Python

• راه‌اندازی اتصال MySQL با سیستم شما Setting up MySQL connection with your system

• ایجاد پایگاه داده و جداول در پایتون و درج داده در جداول MySQL Create Database and Tables in Python & Insert data into tables in MySQL

• انجام پرس و جوها با استفاده از اتصال پایتون و MySQL Performing queries using Python and MySQL connection

آزمون تمرین SQL SQL Practice Quiz

• آزمون تمرین SQL SQL Practice Quiz

پروژه: پروژه SQL PROJECT : SQL Project

• تکلیف پروژه SQL SQL Project Assignment

• منابع دیگر برای تمرین SQL Other resources for SQL practice

ChatGPT (بخش ۱): ChatGPT برای علم داده و تحلیل ChatGPT (PART 1): ChatGPT For Data Science and Analytics

• مقدمه‌ای بر ChatGPT Introduction to ChatGPT

• منابع ChatGPT ChatGPT resources

شروع کار با ChatGPT Getting Started with ChatGPT

• ثبت نام و انتخاب بسته مناسب Signing up and Choosing the right package

• دستورنویسی پایه (Prompting) Basic Prompting

• تغییر نام و سازماندهی دستورات شما Renaming and Organizing your prompts

• سفارشی‌سازی نسخه ChatGPT خود Customize your ChatGPT version

• راه‌اندازی صحیح ChatGPT خود Setting up your ChatGPT the right way

• انتخاب نسخه مناسب Choosing the right version

• بایگانی | بازگردانی | حذف دستورات Archiving | Unarchiving | Deleting prompts

مهندسی دستور در ChatGPT :: تحلیل داده ChatGPT Prompt Engineering :: Data Analytics

• دستور موقت در مقابل دستور دائمی Temproray vs permanent prompt

• کار با متن | تصویر | سند | صدا | ویدئو Working with Text | Image | Document | Audio | Video

• انجام تحلیل‌های پیشرفته با داده‌های خود با استفاده از ChatGPT Performing advanced analytics with your data using ChatGPT

مهندسی دستور در ChatGPT :: علم داده ChatGPT Prompt Engineering :: Data Science

• انجام مهندسی دستور پیشرفته برای پروژه‌های علم داده Performing advanced prompt engineering for Data Science projects

دستورنویسی ChatGPT برای کمک کدنویسی ChatGPT Prompting for Code Assistance

• ChatGPT به عنوان دستیار کدنویسی شما ChatGPT as your Code Assistant

استفاده از افزونه‌های ChatGPT Using ChatGPT Plugins

• استفاده از افزونه‌های ChatGPT Using ChatGPT plugins

ساخت اولین اپلیکیشن ChatGPT شما Building Your First ChatGPT App

• سفارشی‌سازی، ساخت و انتشار اپلیکیشن ChatGPT خود در فروشگاه GPT Customize, build and deploy your own chatGPT app to the GPT store

پروژه: پروژه ChatGPT PROJECT : ChatGPT Project

• پروژه ChatGPT ChatGPT project

هوش مصنوعی ARTIFICIAL INTELLIGENCE

• مرور کلی Overview

هسته اصلی :: یادگیری ماشین THE CORE : : MACHINE LEARNING

• سرفصل دوره یادگیری ماشین Machine Learning course curriculum

• منابع دوره ML ML course resources

یادگیری ماشین -- سطح پایه MACHINE LEARNING -- BASIC LEVEL

• بخش ۱: درک یادگیری ماشین: یک سناریوی واقعی Part 1 : Understanding Machine Learning : A real-life scenario

• تفاوت بین مهندسی نرم‌افزار سنتی و یادگیری ماشین Difference between traditional software engineering and Machine Learning

• بخش ۲: درک یادگیری ماشین: نمایش بصری Part 2 : Understanding Machine Learning : Intuitive demonstration

• نمونه وظیفه یادگیری ماشین Sample Machine Learning Task

• چرخه حیات یادگیری ماشین The Machine Learning Life Cycle

قالب‌های داده یادگیری ماشین Machine Learning Data Formats

• کار با فایل CSV Working with a CSV file

• کار با فایل داده اکسل Working with an Excel data file

• کار با فایل‌های داده PDF Working with PDF data files

• کار با داده مستقیماً از وب Working with data directly from the Web

• کار با فایل داده JSON Working with JSON data file

• کار با فایل داده XML Working with XML data file

• کار با داده‌های تصویری Working with image data

• کار با مجموعه داده داخلی Working with inbuilt dataset

• تولید مجموعه داده‌های فرضی تصادفی برای پروژه‌های یادگیری ماشین شما Generating random hypothetical datasets for your machine learning projects

• کار با پایگاه‌های داده Working with Databases

تحلیل اکتشافی داده (EDA) Exploratory Data Analysis (EDA)

• مشاهده داده‌هایتان Observing your data

• درک ساختار داده‌هایتان Understanding the structure of your data

• درک آمارهای توصیفی مجموعه داده شما Understanding the Descriptive Statistics of your Dataset

• مصورسازی داده: تحلیل داده تک متغیره (بخش ۱) Data Visualization : Univariate data analysis (part 1)

• مصورسازی داده: تحلیل داده تک متغیره (بخش ۲) Data Visualization : Univariate data analysis (part 2)

• مصورسازی داده: تحلیل دو متغیره Data Visualization : Bivariate analysis

• مصورسازی داده: تحلیل چند متغیره Data Visualization : Multivariate analysis

• تحلیل توزیع Distribution Analysis

مهندسی ویژگی و پاکسازی داده Feature Engineering & Data Cleaning

• ایجاد ویژگی Feature creation

• برخورد با داده‌های پرت (Outliers) Dealing with Outliers

• برخورد با مقادیر از دست رفته Dealing with Missing values

• رفع انواع داده Fixing Data Types

الگوریتم‌های یادگیری ماشین MACHINE LEARNING ALGORITHMS

• مفهوم "یادگیری" در یادگیری ماشین The Concept of “learning“ in Machine Learning

• الگوریتم در مقابل مدل یادگیری ماشین Machine learning "Algorithm" vs "Model"

• انواع الگوریتم‌های یادگیری ماشین Types of Machine learning algorithms

• یادگیری ماشین نظارت شده در مقابل نیمه نظارت شده و بدون نظارت Supervised vs Semi-supervised and Unsupervised Machine Learning

یادگیری ماشین نظارت شده: الگوریتم رگرسیون خطی Supervised Machine Learning : Linear Regression Algorithm

• تفاوت بین همبستگی | رگرسیون | طبقه‌بندی | خوشه‌بندی Difference between Correlation | Regression | Classification | Clustering

• درک رگرسیون خطی Understanding Linear Regression

• ارزیابی مدل‌های رگرسیون خطی Evaluating Linear Regression models

• تعریف متغیر هدف و پیش‌بینی‌کننده Defining Target and Predictor variables

• تقسیم داده: داده‌های آموزشی | داده‌های اعتبارسنجی | داده‌های آزمایشی Data partitioning: Training data | Validation data | Testing data

• تقسیم داده‌های شما برای ساخت مدل ML Splitting your data for building ML model

• آزمایشگاه: ساخت اولین مدل یادگیری ماشین شما: رگرسیون خطی LAB : Building your first Machine Learning Model : Linear Regression

• آزمایش و ارزیابی مدل ML شما Testing and Evaluating your ML model

الگوریتم رگرسیون لجستیک Logistic Regression Algorithm

• درک رگرسیون لجستیک Understanding Logistic regression

• ارزیابی مدل: لگاریتم زیان (آنتروپی متقاطع) Model Evaluation : The Log Loss (Cross Entropy)

• تحلیل اکتشافی داده Exploratory Data Analysis

• استانداردسازی و مقیاس‌بندی Standardization and Scaling

• ساخت مدل رگرسیون لجستیک Building Logistic Regression model

• آزمایشگاه: پیش‌بینی مدل رگرسیون لجستیک LAB : Logistic Regression model prediction

• اهمیت ویژگی Feature Importance

الگوریتم Naive Bayes Naive Bayes Algorithm

• تحلیل اکتشافی داده Naive Bayes (EDA) Naive Bayes Exploratory Data Analysis (EDA)

• ساخت الگوریتم Naive Bayes Building a Naive Bayes algorithm

• انجام پیش‌بینی‌های واقعی با الگوریتم Naive Bayes Making real life Predictions with Naive Bayes algorithm

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

• درک KNN Understanding KNN

• مراحل ساخت مدل KNN Steps in Building KNN model

• معیارهای فاصله: فاصله اقلیدسی Distance Measures : Euclidian distance

• معیارهای فاصله: فاصله منهتن و مینکوفسکی Distance Measures : Manhattan and Minkowski distance

• معیارهای فاصله: فاصله اقلیدسی Distance Measures : Euclidian distance

• معیارهای فاصله: شباهت کسینوسی Distance Measures : Cosine Similarity

• آزمایشگاه: ساخت مدل KNN LAB : Building a KNN model

الگوریتم ماشین بردار پشتیبان (SVM) Support Vector Machine (SVM) Algorithm

• درک عملی ماشین‌های بردار پشتیبان (SVM) Practical understanding of Support Vector Machines (SVM)

• آزمایشگاه: تحلیل اکتشافی داده (EDA) LAB : Exploratory Data Analysis(EDA)

پروژه: پروژه یادگیری ماشین نظارت شده PROJECT : Supervised Machine Learning Project

• پروژه: پروژه یادگیری ماشین نظارت شده PROJECT : Supervised Machine Learning Project

بهینه‌سازی مدل MODEL OPTIMIZATION

• مرور کلی Overview

معیارهای عملکرد Performance Metrics

• ماتریس درهم‌ریختگی (Confusion Matrix) The Confusion Matrix

• دقت | بازیابی | امتیاز F1 Precision | Recall | F1-Score

• منحنی‌های ROC-AUC ROC-AUC Curves

• آزمایشگاه: نمایش عملی LAB : Hands-on Lab Demonstration

تنظیم مدل یادگیری ماشین Machine Learning Model Tuning

• آزمایشگاه: مرور کلی LAB : Overview

• اعتبارسنجی متقابل: اعتبارسنجی متقابل K-Fold Cross Validation : K-Fold Cross Validation

• اعتبارسنجی متقابل: اعتبارسنجی متقابل Leave-One-Out (LOOCV) Cross Validation : Leave-One-Out Cross Validation (LOOCV)

• تفاوت بین پارامتر و فراپارامتر Difference between Parameter and Hyperparameter

• GridSearchCV GridSearchCV

• RandomSearchCV RandomSearchCV

• بیش‌برازش در مقابل کم‌برازش مدل Model Overfitting vs Underfitting

• علل بیش‌برازش و کم‌برازش Causes of Overfitting and Underfitting

یادگیری ماشین بدون نظارت UNSUPERVISED MACHINE LEARNING

• مرور کلی Overview

• یادگیری ماشین نظارت شده در مقابل نیمه نظارت شده و بدون نظارت Supervised vs Semi-supervised and Unsupervised Machine Learning

خوشه‌بندی Clustering

• درک خوشه‌بندی Understanding clustering

• خوشه‌بندی K-Means KMeans Clustering

• خوشه‌بندی سلسله مراتبی Hierarchical Clustering

• آزمایشگاه: نمایش عملی K-Means LAB : Hands-on Demonstration of KMeans

• آزمایشگاه: نمایش عملی خوشه‌بندی سلسله مراتبی LAB : Hands-on Demonstration of Hierarchical clustering

تحلیل مولفه اصلی (PCA) Principal Component Analysis (PCA)

• PCA PCA

تکلیف پروژه: پروژه یادگیری ماشین بدون نظارت PROJECT : Unsupervised Machine Learning project assignment

• تکلیف پروژه یادگیری ماشین بدون نظارت PROJECT : Unsupervised ML project Assignment

پروژه‌های یادگیری ماشین PROJECT : MACHINE LEARNING PROJECTS

• پروژه ML ML project

پروژه: ساخت آشکارساز اسپم یادگیری ماشین با استفاده از الگوریتم Naive Bayes PROJECT : Building Machine Learning Spam Detector using Naive Bayes Algorithm

• پروژه: ساخت آشکارساز اسپم یادگیری ماشین با استفاده از الگوریتم Naive Bayes PROJECT : Building Machine Learning Spam Detector using Naive Bayes Algorithm

• ایجاد پوشه‌های مورد نیاز Creating required folders

• ایجاد اپلیکیشن شما: app.py Creating your App : app.py

• ایجاد اپلیکیشن شما: HTML Creating your App : HTML

• ایجاد اپلیکیشن شما: CSS Creating your App : CSS

پروژه: پیش‌بینی قیمت محصول | خراش تصویر | تحلیل و اپلیکیشن استقرار PROJECT : Product Price Prediction | Image Scraping | Analysis & Deployment App

• پروژه: پیش‌بینی قیمت محصول | خراش تصویر | تحلیل و استقرار PROJECT : Product Price Prediction | Image Scraping | Analysis and Deployment

• مرور کد Code Walkthrough

• استقرار در محیط عملیاتی Deployment In Production

پروژه: ساخت اپلیکیشن بخش‌بندی مشتریان PROJECT : Building a Customer Segmentation App

• پروژه: ساخت اپلیکیشن بخش‌بندی مشتریان PROJECT : Building a Customer Segmentation App

• مرور کد گام به گام Step-by-step Code Walkthrough

• مرور کد استقرار Deployment Code walkthrough

پروژه: ساخت اپلیکیشن تحلیل پیش‌بینانه با استقرار زنده PROJECT : Building Predictive Analytics App with Live Deployment

• پروژه: ساخت اپلیکیشن تحلیل پیش‌بینانه با استقرار زنده PROJECT : Building Predictive Analytics App with Live Deployment

• مرور کد Code walkthrough

یادگیری عمیق DEEP LEARNING

• مقدمه‌ای بر یادگیری عمیق Introduction to Deep Learning

• شبکه عصبی مصنوعی: نورون‌ها Artificial Neural Network : The Neurons

• شبکه عصبی مصنوعی: پرسپترون Artificial Neural Network : The Perceptron

• معماری شبکه عصبی Neural Network Architecture

• یادگیری ماشین سنتی در مقابل شبکه‌های عصبی مصنوعی Traditional Machine Learning vs Artificial Neural Networks

• انتشار رو به جلو و عقب Forward and Backward propagation

• انواع شبکه‌های عصبی Types of Neural Network

• فریم‌ورک‌های یادگیری عمیق Deep Learning Frameworks

آزمایشگاه عملی: ساخت اولین شبکه عصبی شما HANDS-ON LAB : Building Your First Neural Network

• مفاهیم کلیدی: ترتیبی و متراکم (Sequential & Dense) Key concepts : Sequential & Dense

• مفاهیم کلیدی: کامپایل | تاریخچه | نمونه | بچ | دوره (Compile | History | Sample | Batch | Epoch) Key concepts : Compile | History | Sample | Batch | Epoch

• ساخت اولین شبکه عصبی شما (بخش ۱) Building your first Neural Network (part 1)

• ساخت اولین شبکه عصبی شما (بخش ۲) Building your first Neural Network (part 2)

مدیریت بیش‌برازش (Overfitting) و کم‌برازش (Underfitting) در شبکه‌های عصبی Handling Overfitting and Underfitting in Neural Networks

• مقدمه‌ای بر بیش‌برازش در شبکه‌های عصبی Introduction to Overfitting in Neural Networks

• منظم‌سازی: منظم‌سازی L1 و L2 Regularization : L1 and L2 regularization

• درآپ‌اوت (Dropout) Dropout

• توقف زودهنگام (Early Stopping) Early Stopping

• ذخیره کردن مدل با استفاده از فراخوانی‌های Keras تسرفلو (Model CheckPointing with Tensorflow's Keras Callbacks) Model CheckPointing with Tensorflow's Keras Callbacks

• مقابله با کم‌برازش Dealing with Underfitting

پروژه: پروژه یادگیری عمیق PROJECT : Deep Learning Project

• پروژه: تکلیف پروژه یادگیری عمیق (شبکه عصبی) PROJECT : Deep Learning (Neural Network) project assignment

تخصص: بینایی کامپیوتر در مقابل پردازش زبان طبیعی THE SPECIALIZATION : CV versus NLP

• مرور کلی Overview

بینایی کامپیوتر (CV) COMPUTER VISION (CV)

• مقدمه‌ای بر بینایی کامپیوتر Introduction to Computer Vision

• کاربرد‌های بینایی کامپیوتر Applications of Computer Vision

کار با تصاویر Working on Images

• مقدمه‌ای بر پیکسل Introduction to Pixel

• کار با تصاویر سیاه و سفید Working with Grayscale Images

• کار با تصاویر رنگی Working with Colored Images

پردازنده مرکزی | پردازنده گرافیکی | پردازنده تانسوری CPU | GPU | TPU

• مقدمه‌ای بر CPU | GPU | TPU Introduction to PU | GPU | TPU

• دسترسی به GPU و TPU برای یادگیری عمیق Accessing GPUs and TPUs for Deep Learning

• تست سرعت برای CPU و GPU Speed Test for CPU and GPU

آزمایشگاه: جلسه عملی برای کار با تصاویر LAB : Hands-on lab session for Working on Images

• بارگذاری و کار با تصاویر در بینایی کامپیوتر Loading and working on images in Computer Vision

• عملیات روی تصاویر Operations on Images

• سه کانال تصویر رنگی: RGB The 3 channels of a color image : RGB

شبکه عصبی کانولوشنال (CNN) Convolutional Neural Network (CNN)

• مشکل شبکه‌های عصبی و پردازش تصویر The problem with Neural Networks and image processing

• لایه متصل به صورت محلی (Locally Connected Layer) Locally Connected Layer

CNN: استخراج ویژگی CNN : Feature Extraction

• لایه کانولوشنال The Convolutional Layer

• مقدمه‌ای بر عملیات کانولوشنال (بخش ۱) Introduction to Convolutional Operations (part 1)

• مقدمه‌ای بر عملیات کانولوشنال (بخش ۲) Introduction to Convolutional Operations (part 2)

• درک مفاهیم کلیدی: کرنل | اندازه فیلتر | نقشه ویژگی (Kernel | Filter Size | Feature Map) Understanding Key concepts : Kernel | Filter Size | Feature Map

• کانولوشن: گام و اندازه گام (Stride and Step Size) Convolution : Stride and Step Size

• کانولوشن: حجم ورودی (Input Volume) Convolution : Input Volume

• کانولوشن: میدان دید (Receptive field) Convolution : Receptive field

• کانولوشن: پنجره لغزان (Sliding window) Convolution : Sliding window

• کانولوشن: پولینگ (Pooling) Convolution : Pooling

• معماری CNN The CNN Architecture

• لایه مسطح‌سازی (Flatten Layer) The Flatten Layer

• آزمایشگاه: ساخت اولین الگوریتم/مدل CNN شما LAB : Building your first CNN algorithm/model

معماری‌های پیشرفته بینایی کامپیوتر Computer Vision State-of-the-Art Architectures

• معماری‌های پیشرفته بینایی کامپیوتر (مقدمه) Computer Vision State-of-the-Art Architectures (Introduction)

• معماری LeNet LeNet Architecture

• معماری AlexNet AlexNet Architecture

• معماری ZFNet ZFNet Architecture

• معماری VGG VGG architecture

یادگیری انتقالی Transfer Learning

• درک یادگیری انتقالی Understanding transfer learning

• آزمایشگاه: ساخت مدل یادگیری انتقالی به صورت عملی LAB : Hands-on lab building transfer learning model

تشخیص اشیاء Object Detection

• مقدمه‌ای بر تشخیص اشیاء Introduction to Object Detection

• جستجوی فراگیر | پیشنهاد منطقه | پنجره لغزان (Brute Force | Region Proposal | Sliding Window) Brute Force | Region Proposal | Sliding Window

• الگوریتم R-CNN R-CNN algorithm

• الگوریتم Fast R-CNN Fast R-CNN algorithm

• الگوریتم YOLO YOLO algorithm

• الگوریتم SSD SSD algorithm

OpenCV برای بینایی کامپیوتر OpenCV For Computer Vision

• OpenCV برای بینایی کامپیوتر OpenCV for Computer Vision

پروژه: تشخیص و ردیابی اشیاء با دوربین زنده و ادغام جستجوی گوگل PROJECT : Object Detection & Tracking w/ Live Camera & Google Search Integration

• پروژه: تشخیص و ردیابی اشیاء با دوربین زنده و ادغام جستجوی گوگل PROJECT : Object Detection & Tracking w/ Live Camera & Google Search Integration

• جلسه عملی LAB : Hands-on lab session

پروژه: ساخت یک اپلیکیشن تشخیص وضعیت بدن: ردیابی اشیاء در دنیای واقعی PROJECT : Building a Pose Detection APP : Real life Object Tracking

• پروژه بینایی کامپیوتر: ساخت یک اپلیکیشن تشخیص وضعیت بدن: ردیابی اشیاء در دنیای واقعی CV PROJECT : Building a Pose Detection APP : Real life Object Tracking

• مرور کد Code Walkthrough

پروژه بینایی کامپیوتر: ساخت یک خودروی خودران برای تشخیص/تفکیک جاده CV PROJECT : Building an Autonomous Self-Driving Car Road Detection/Segmentation

• پروژه بینایی کامپیوتر: ساخت یک خودروی خودران برای تشخیص/تفکیک جاده CV PROJECT : Building an Autonomous Self-Driving Car Road Detection/Segmentation

• مرور کد Code Walkthrough

پروژه: پروژه بینایی کامپیوتر PROJECT : Computer Vision Project

• پروژه بینایی کامپیوتر Computer vision project

پردازش زبان طبیعی (NLP) NATURAL LANGUAGE PROCESSING (NLP)

• مرور کلی Overview

• کاربردهای پردازش زبان طبیعی Applications of Natural Language Processing

سطح مبتدی NLP: پیش‌پردازش متن NLP BEGINNER LEVEL : Text Preprocessing

• درک کلمات در NLP Understanding words in NLP

• توکن‌ها و توکن‌سازی در NLP Tokens and Tokenizations in NLP

• سند در NLP Document in NLP

• بدنه متن (Corpus) در NLP Corpus in NLP

• واژگان در NLP Vocabulary in NLP

• کلمات توقف (Stopwords) در NLP Stopwords in NLP

• ریشه‌یابی و بن‌واژه‌سازی در NLP (Stemming and Lemmatization) Stemming and Lemmatization in NLP

• آزمایشگاه: کلمه | توکن | توکن‌سازی | جمله | سند LAB : Word | Token | Tokenization | Sentence | Document

• آزمایشگاه: بدنه متن | واژگان LAB : Corpus | Vocabulary

• آزمایشگاه: کلمات توقف LAB : Stopwords

• آزمایشگاه: ریشه‌یابی و بن‌واژه‌سازی در NLP LAB : Stemming and Lemmatization in NLP

برچسب‌گذاری اجزای کلام (POS Tagging) Part of Speech Tagging (POS Tagging)

• برچسب‌گذاری اجزای کلام POS Tagging

• آزمایشگاه: عملی با برچسب‌گذاری اجزای کلام LAB : Hands-on with POS Tagging

برداری‌سازی متن Text Vectorization

• درک فراوانی کلمات و N-گرام‌ها Understanding Frequency of Words and N-Grams

• آزمایشگاه: فراوانی کلمات و N-گرام‌ها LAB : Frequency of Words and N-Grams

• کیسه کلمات (Bag of Words) Bag of Words

• فراوانی عبارت - فراوانی معکوس سند: TF-IDF Term Frequency-Inverse Document Frequency : TF-IDF

• آزمایشگاه: TF-IDF LAB : TF-IDF

تجسم کلمات Word Embeddings

• مشکل TF-IDF و کیسه کلمات The Problem with TF-IDF and Bag of Words

• درک تجسم کلمات Understanding Word Embeddings

• درک عمیق‌تر تجسم کلمات Deeper Understanding of Word Embeddings

• پیشرفته‌ترین تجسم کلمات State-of-the-Art Word Embeddings

Word2Vec Word2Vec

• درک Word2Vec Understanding Word2Vec

• آزمایشگاه: ساخت مدل Word2Vec به صورت عملی LAB : Hands-on building Word2Vec model

مدل کیسه کلمات پیوسته (CBOW) و مدل Skip-Gram Continuous Bag of Words (CBOW) model & Skip-Gram model

• درک مدل کیسه کلمات پیوسته (CBOW) و Skip-Gram Understanding Continuous Bag of Words (CBOW) & Skip-Gram

• آزمایشگاه: آزمایشگاه CBOW و Skip-Gram LAB : CBOW & Skip-Gram lab

بردارهای سراسری (GloVe) Global Vectors (GloVe)

• درک بردارهای سراسری (GloVe) برای تجسم کلمات Understanding Global Vectors (GloVe) for Word embeddings

• آزمایشگاه: جلسه عملی با بردارهای سراسری (GloVe) LAB : Hands-on lab with Global Vectors (GloVe)

نمایشگرهای رمزگذار دوطرفه از ترانسفورمرها (BERT) Bidirectional Encoder Representations from Transformers (BERT)

• نمایشگرهای رمزگذار دوطرفه از ترانسفورمرها (BERT) Bidirectional Encoder Representations from Transformers (BERT)

• آزمایشگاه: آزمایشگاه عملی BERT LAB : BERT Hands-on lab

مدل‌های ترتیبی Sequential Models

• داده ترتیبی چیست What is a Sequential Data

• درک مدل‌های ترتیبی Understanding Sequential Models

• مقدمه‌ای بر شبکه عصبی بازگشتی (RNN) Introduction to Recurrent Neural Network (RNN)

• معماری شبکه عصبی بازگشتی (RNN) Recurrent Neural Network (RNN) Architecture

• موارد استفاده از RNN Use cases of RNN

• شبکه عصبی سنتی در مقابل شبکه عصبی بازگشتی Traditional Neural Network vs Recurrent Neural Network

• معماری RNN (بخش ۲) RNN Architecture (part 2)

• پس‌انتشار از طریق زمان (BTT) Backpropagation Through Time (BTT)

• ریاضیات پشت پس‌انتشار از طریق زمان Mathematics behind Backpropagation Through Time

• مشکلات وابستگی طولانی مدت RNNها Long-Dependency Problems of RNNs

• RNN دوطرفه Bi-directional RNN

• شبکه عصبی بازگشتی گیت‌دار (GRU) Gated Recurrent Neural Network (GRU)

مدل‌های ترتیبی: LSTM Sequential Models : LSTMs

• LSTM: مقدمه LSTM : Introduction

• ساختار LSTMها Structure of LSTMs

• ایده اصلی پشت LSTMها The Core idea behind LSTMs

• راهنمای گام به گام معماری LSTM (بخش ۱) LSTM architecture step-by-step walkthrough (part 1)

• راهنمای گام به گام معماری LSTM (بخش ۲) LSTM architecture step-by-step walkthrough (part 2)

پروژه: پروژه NLP PROJECT : NLP Project

• پروژه NLP NLP project

پروژه: ساخت و استقرار سیستم‌های توصیه‌گر فیلم واقعی PROJECT : Building & Deploying Real World Movie Recommendation Systems

• پروژه: ساخت و استقرار سیستم‌های توصیه‌گر فیلم واقعی PROJECT : Building & Deploying Real World Movie Recommendation Systems

• مرور کد Code Walkthrough

پروژه: ساخت و استقرار سیستم‌های توصیه‌گر تجارت الکترونیک واقعی PROJECT : Building & Deploying Real World E-Commerce Recommendation Systems

• پروژه: ساخت و استقرار سیستم‌های توصیه‌گر تجارت الکترونیک واقعی PROJECT : Building & Deploying Real World E-Commerce Recommendation Systems

• تحلیل اکتشافی داده‌ها و مهندسی داده Exploratory Data Analysis & Data Engineering

• ایجاد پوشه‌ها برای فایل‌های App.py، HTML، CSS، JSON Creating Folders for App.py, HTML, CSS, JSON files

• مرور کد Code Walkthrough

پروژه: تفکیک اسناد و استخراج اطلاعات با ورودی دوربین PROJECT : Document Segmentation and Information Extraction with Camera Input

• پروژه: تفکیک اسناد و استخراج اطلاعات با ورودی دوربین PROJECT : Document Segmentation and Information Extraction with Camera Input

• مرور کد Code Walkthrough

پروژه: اپلیکیشن پیش‌بینی تقاضای رزرو خطوط هوایی و بهینه‌سازی قیمت‌گذاری پویا PROJECT: Airline Booking Demand Forecasting and Dynamic Pricing Optimization App

• پروژه: اپلیکیشن پیش‌بینی تقاضای رزرو خطوط هوایی و بهینه‌سازی قیمت‌گذاری پویا PROJECT: Airline Booking Demand Forecasting and Dynamic Pricing Optimization App

• مرور کد Code walkthrough

ChatGPT (بخش ۲): درک معماری ChatGPT ChatGPT (PART 2): Understanding the ChatGPT Architecture

• مرور کلی Overview

ساخت اپلیکیشن با APIهای ChatGPT Building Apps with ChatGPT API's

• مرور کلی Overview

پروژه CAPSTONE CAPTSONE PROJECT

• مرور کلی Overview

یافتن شغل در زمینه علم داده و تجزیه و تحلیل Finding A Job In The Field of Data Science and Analytics

• مرور کلی Overview