آموزش پیش‌بینی نتایج فوتبال با پایتون و یادگیری ماشین - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

ساخت هوش مصنوعی پیش‌بینی‌کننده گام‌به‌گام در ۱۸ مرحله شفاف Build Your Predictive AI Step-by-Step in 18 Clear Stages

• شروع کار با Google Colab Getting started with Google Colab

• گام ۱: وارد کردن کتابخانه‌های مورد نیاز Step 1: Importing the necessary libraries

• تحلیل کامل خط به خط کدها گام ۱ Complete decryption of lines of code - Step 1

• گام ۲: دانلود، استخراج و آماده‌سازی داده‌های فوتبال ESPN Step 2: Downloading, Decompressing, and Preparing the ESPN Soccer Data

• تحلیل کامل خط به خط کدها گام ۲ Complete decryption of lines of code - Step 2

• گام ۳: نمایش ساختار پایگاه داده ESPN Step 3: Displaying the ESPN database schema

• تحلیل کامل خط به خط کدها گام ۳ Complete decryption of lines of code - Step 3

• گام ۴: بارگذاری فایل‌های fixtures, teamStats, standings و leagues Step 4: Loading fixtures.csv, teamStats.csv, standings.csv, and leagues.csv

• تحلیل کامل خط به خط کدها گام ۴ Complete decryption of lines of code - Step 4

• گام ۵: تحلیل اکتشافی (EDA) Step 5: Exploratory Analysis

• تحلیل کامل خط به خط کدها گام ۵ Complete decryption of lines of code - Step 5

• ۵.۱ تحلیل کلی نتایج مسابقات 5.1. Overall analysis of fixture results

• ۵.۲ تحلیل کلی نتایج آمار تیم‌ها 5.2. Overall analysis of the results of teamStats

• ۵.۳ تحلیل کلی جدول رده‌بندی 5.3. Overall analysis of standings

• ۵.۴ تحلیل توزیع لیگ‌ها 5.4. Distribution analysis for leagues

• گام ۶: بررسی ناهماهنگی‌ها در فایل Standings.csv Step 6: Checking for inconsistencies in Standings.csv

• تحلیل کامل خط به خط کدها گام ۶ Complete decryption of lines of code - Step 6

• گام ۷: بررسی ناهماهنگی‌ها در فایل teamStats.csv Step 7: Checking for inconsistencies in teamStats.csv

• تحلیل کامل خط به خط کدها گام ۷ Complete decryption of lines of code - Step 7

• گام ۸: بررسی ناهماهنگی‌ها در فایل leagues.csv Step 8: Checking for inconsistencies in leagues.csv

• تحلیل کامل خط به خط کدها گام ۸ Complete decryption of lines of code - Step 8

• گام ۹: بررسی ناهماهنگی‌ها در فایل fixtures.csv Step 9: Checking for inconsistencies in fixtures.csv

• تحلیل کامل خط به خط کدها گام ۹ Complete decryption of lines of code - Step 9

• گام ۱۰: ادغام و اتصال داده‌ها برای مدل‌سازی Step 10: Merging and Joins - Consolidating Data for Modeling

• تحلیل کامل خط به خط کدها گام ۱۰ Complete decryption of lines of code - Step 10

• گام ۱۱: مدیریت مقادیر گم‌شده (NaN) و بهینه‌سازی کیفیت داده‌ها Step 11: Handling Missing Values (NaN) and Optimizing Data Quality

• تحلیل کامل خط به خط کدها گام ۱۱ Complete decryption of lines of code - Step 11

• ۱۱.۱ جایگزینی داده‌ها با رگرسیون خطی بیزی 11.1. Imputation Using Bayesian Linear Regression

• تحلیل کامل خط به خط کدها گام ۱۱.۱ Complete decryption of lines of code - Step 11.1

• ۱۱.۲ اعتبارسنجی و پاک‌سازی داده‌های رده‌بندی تیم‌ها 11.2. Validation and Cleaning of Team Standings Data

• تحلیل کامل خط به خط کدها گام ۱۱.۲ Complete decryption of lines of code - Step 11.2

• ۱۱.۳ حذف ستون‌های مربوط به مسابقات آینده 11.3. Removing Columns Related to Future Matches

• تحلیل کامل خط به خط کدها گام ۱۱.۳ Complete decryption of lines of code - Step 11.3

• ۱۱.۴ حذف ستون‌های غیرمرتبط با بافت رقابتی 11.4. Removing Non-Relevant Competitive Context Columns

• تحلیل کامل خط به خط کدها گام ۱۱.۴ Complete decryption of lines of code - Step 11.4

• ۱۱.۵ حذف ستون‌های غیرمرتبط با به‌روزرسانی 11.5. Removing Non-Relevant Update-Related Columns

• تحلیل کامل خط به خط کدها گام ۱۱.۵ Complete decryption of lines of code - Step 11.5

• ۱۱.۶ بررسی نهایی یکپارچگی داده‌ها 11.6. Final Data Integrity Check

• تحلیل کامل خط به خط کدها گام ۱۱.۶ Complete decryption of lines of code - Step 11.6

• گام ۱۲: غنی‌سازی داده‌ها با متغیرهای مشتق شده و شاخص‌های عملکرد Step 12: Data Enrichment with Derived Variables and Performance Indicators

• تحلیل کامل خط به خط کدها گام ۱۲ Complete decryption of lines of code - Step 12

• گام ۱۳: تبدیل متغیرهای دسته‌ای (Categorical) Step 13: Transforming Categorical Variables

• تحلیل کامل خط به خط کدها گام ۱۳ Complete decryption of lines of code - Step 13

• گام ۱۴: استانداردسازی داده‌های عددی Step 14 – Standardizing Numerical Data

• تحلیل کامل خط به خط کدها گام ۱۴ Complete decryption of lines of code - Step 14

• گام ۱۵: تحلیل اهمیت متغیرها و انتخاب ویژگی‌ها Step 15: Analyzing Variable Importance and Feature Selection

• تحلیل کامل خط به خط کدها گام ۱۵ Complete decryption of lines of code - Step 15

• گام ۱۶: آموزش و اعتبارسنجی مدل پیش‌بینی امتیاز Step 16: Training and Validating the Score Prediction Model

• تحلیل کامل خط به خط کدها گام ۱۶ Complete decryption of lines of code - Step 16

• ۱۶.۱ ارزیابی عملکرد مدل پیش‌بینی 16.1. Evaluating the Prediction Model's Performance

• تحلیل کامل خط به خط کدها گام ۱۶.۱ Complete decryption of lines of code - Step 16.1

• گام ۱۷: تطبیق و بازآموزی مدل بر اساس داده‌های Football API Step 17 – Adapting and Re-training the Model Based on the Football API Data

• تحلیل کامل خط به خط کدها گام ۱۷ Complete decryption of lines of code - Step 17

• گام ۱۸: ذخیره‌سازی در گوگل درایو Step 18: Storing on Drive

• تحلیل کامل خط به خط کدها گام ۱۸ Complete decryption of lines of code - Step 18

• دانلود نوت‌بوک نهایی پروژه Final Project Notebook – Download

ادغام API و توسعه وب با Flask API Integration & Web Development with Flask

• نصب PyCharm Installing PyCharm

• ساختار اپلیکیشن وب Web Application Structure

• پیکربندی وابستگی‌ها: ایجاد محیط مجازی مناسب Dependency configuration: Creating a suitable virtual environment

• فایل requirements.txt The requirements.txt file

• معرفی API.football.com API.football.com

• ادغام بخش بک-اند (Back-end) Back-end integration

• تحلیل کامل خط به خط کدها ادغام بک-اند Complete decryption of lines of code - Back-end Integration

• ادغام بخش فرانت-اند (Front-end) Front-end integration

• تحلیل کامل خط به خط کدها ادغام فرانت-اند Complete decryption of lines of code - Front-end Integration

• اجرای اپلیکیشن Launching the application

پروژه جایزه ۱ تشخیص بلادرنگ احساسات انسانی Bonus Project 1 - Real-time detection of human emotions

• ارائه پروژه نهایی Presentation of the final project

• مرور مجموعه‌داده Dataset overview

• آموزش مدل هوش مصنوعی: ۲۵ گام کلیدی AI model training: the 25 key steps

• تحلیل نتایج مدل روی داده‌های تست Analysis of Model Results on Test Data

• نوت‌بوک نهایی پروژه Final Project Notebook

• ساختار پروژه و ادغام در اپلیکیشن Project Structure and Integration into the Application

• فایل requirements.txt The requirements.txt file

• فایل app.py The app.py file

• فایل index.html The index.html

پروژه جایزه ۲ تشخیص خودکار پهپادها و اشیاء پرنده با هوش مصنوعی Bonus Project 2 - Automatic detection of drones and other flying objects with AI

• ارائه پروژه نهایی Presentation of the final project

• مرور مجموعه‌داده Dataset overview

• آموزش مدل هوش مصنوعی: ۲۷ گام کلیدی AI model training: the 27 key steps

• تحلیل معیارهای ارزیابی مدل YoloV8 Analysis of evaluation metrics for the YoloV8 model

• تحلیل روند Loss در طول آموزش و اعتبارسنجی Analysis of loss evolution during training and validation

• نوت‌بوک نهایی پروژه Final Project Notebook

• ادغام مدل هوش مصنوعی در اپلیکیشن وب Integrating the AI Model into the Web Application

• فایل requirements.txt The requirements.txt file

• فایل app.py The app.py file

• فایل index.html The index.html file

پروژه جایزه ۳ هوش مصنوعی برای تشخیص اشیاء (ماشین، موتور، آمبولانس و غیره) Bonus Project 3 - AI for object detection (cars, motorcycles, ambulances, etc.)

• ارائه پروژه نهایی Presentation of the final project

• مرور مجموعه‌داده Dataset overview

• آموزش مدل هوش مصنوعی با YOLOv9: ۳۲ گام خط لوله کامل Training the AI model with YOLOv9: the 32 steps of the complete pipeline

• تفسیر معیارهای آموزش و اعتبارسنجی Decoding Training and Validation Metrics

• نوت‌بوک نهایی پروژه Final Project Notebook

• ادغام هوش مصنوعی در اپلیکیشن وب Integrating AI into a web application

• فایل requirements.txt The requirements.txt file

• فایل app.py The app.py file

• فایل index.html The index.html

پروژه جایزه ۴ هوش مصنوعی ترجمه انگلیسی به فرانسوی برای متون فنی Bonus Project 4 - English → French translation AI for technical texts

• ارائه پروژه نهایی Presentation of the final project

• مدل هوش مصنوعی بهینه‌شده (Fine-tuned) برای ترجمه The fine-tuned AI model for translation

• مجموعه‌داده مورد استفاده برای آموزش مترجم تخصصی The dataset used to train our specialized translator

• ترجمه ماشینی انگلیسی به فرانسوی: ۱۳ گام کلیدی برای Fine-Tuning مدل MarianMT EN-FR Machine Translation: 13 Key Steps for Fine-Tuning MarianMT

• تحلیل نتایج: عملکرد نهایی مدل ترجمه Results Analysis: Final Performance of the Translation Model

• نوت‌بوک نهایی پروژه Final Project Notebook

• ساختار اپلیکیشن وب Web application structure

• راهنمای فنی: کلون کردن و ادغام YOLOv9 Technical guide: Cloning and integration of YOLOv9

• فایل requirements.txt The requirements.txt file

• فایل app.py The app.py file

• فایل index.html The index.html

پروژه جایزه ۵ هوش مصنوعی تولید خلاصه متون چندزبانه Bonus Project 5 - Multilingual summary generation AI

• ارائه پروژه نهایی Presentation of the final project

• معرفی مدل هوش مصنوعی مورد استفاده: facebook/mbart large 50 Presentation of the AI model used: facebook/mbart-large-50

• مجموعه‌داده‌های مورد استفاده برای آموزش هوش مصنوعی خلاصه‌ساز The datasets used to train our summary AI

• بهینه‌سازی مدل mBART برای خلاصه‌سازی خودکار Fine-tuning the mBART model for automatic summarization

• درک و تحلیل نتایج ارزیابی مدل ما Understanding and Analyzing the Evaluation Results of Our Model

• نوت‌بوک نهایی پروژه Final Project Notebook

• استقرار مدل خلاصه‌ساز چندزبانه در اپلیکیشن وب Deployment of the multilingual summary model in a web application

• فایل requirements.txt The requirements.txt file

• فایل app.py The app.py file

• فایل index.html The index.html file

پروژه جایزه ۶ هوش مصنوعی تشخیص پنومونی از تصاویر پزشکی Bonus Project 6 - AI for detecting pneumonia from medical images

• ارائه پروژه نهایی Presentation of the Final Project

• مدل EfficientNetB0 The EfficientNetB0 Model

• مجموعه‌داده: تصاویر رادیولوژی قفسه سینه The Dataset: Chest X-Ray Images

• بهینه‌سازی مدل EfficientNetB0 Fine-tuning the EfficientNetB0 model

• ارزیابی مدل و تحلیل عمیق نتایج Model Evaluation and In-Depth Analysis of Results

• نوت‌بوک نهایی پروژه Final Project Notebook

• ساختار اپلیکیشن وب Web application structure

• فایل requirements.txt The requirements.txt file

• تحلیل فایل app.py Decryption of app.py

• تحلیل فایل index.html Decoding index.html

درک مفاهیم هوش مصنوعی (اختیاری) Understanding Artificial Intelligence (Optional)

• هوش مصنوعی، یادگیری ماشین و یادگیری عمیق AI, Machine Learning & Deep Learning

• هوش مصنوعی چگونه کار می‌کند؟ ۱/۴ How AI works ? 1/4

• هوش مصنوعی چگونه کار می‌کند؟ ۲/۴ How AI works ? 2/4

• هوش مصنوعی چگونه کار می‌کند؟ ۳/۴ How AI works ? 3/4

• هوش مصنوعی چگونه کار می‌کند؟ ۴/۴ How AI works ? 4/4

• یادگیری عمیق چیست و چگونه کار می‌کند How Deep Learning works and what it is

• Loss و پس‌انتشار (Backpropagation) Loss & Retropagation

• توابع فعال‌ساز (Activation Functions) Activation Functions

• کاربرد شبکه‌های عصبی Utility of Neural Networks

• مقایسه CPU در مقابل GPU CPU VS GPU

• معرفی TPU TPU

• TensorFlow, PyTorch و Keras TensorFlow, PyTorch and Keras

• محیط‌های توسعه یکپارچه (IDE) برای یادگیری عمیق Integrated Development Environments for Deep Learning

بررسی CNN: مفاهیم کلیدی و کاربردها در بینایی ماشین (اختیاری) Exploring CNN: Key concepts and applications in computer vision (Optional)

• مقدمه‌ای بر بینایی ماشین Introduction to Computer Vision

• شبکه CNN: تصویر چیست؟ CNN - What is an image ?

• شبکه‌های CNN چگونه کار می‌کنند؟ How CNNs work ?

• کانال‌های RGB RGB Channels

• کانولوشن روی تصاویر رنگی Convolution on color images

• گام‌های کانولوشن (Strides) Convolution steps (Strides)

• درک مفهوم Padding در CNNها Understanding Padding in CNNs

• تابع فعال‌ساز ReLU در CNNها ReLU activation function in CNNs

• درک لایه‌های Pooling Understanding Pooling Layers

• لایه‌های کاملاً متصل (Fully Connected) ۱/۲ Fully Connected Layers 1/2

• لایه‌های کاملاً متصل (Fully Connected) ۲/۲ Fully Connected Layers 2/2

مدل YOLO: مبانی و روش‌های برچسب‌گذاری تصاویر (اختیاری) YOLO: Fundamentals and Methods of Image Annotation (Optional)

• مقدمه‌ای بر YOLO Introduction to YOLO

• برچسب‌گذاری یا حاشیه‌نویسی داده‌ها چیست؟ Data Labeling or annotation - what is it ?

• انواع حاشیه‌نویسی تصاویر Image annotation types

• ابزارهای حاشیه‌نویسی Annotation tools

• فرآیند آموزش YOLOV9 بخش ۱/۳ YOLOV9 Training Process 1/3

• فرآیند آموزش YOLOV9 بخش ۲/۳ YOLOV9 Training Process 2/3

• فرآیند آموزش YOLOV9 بخش ۳/۳ YOLOV9 Training Process 3/3

• خلاصه فرآیند آموزش Summary of the training process

• Loss در مدل YOLO YOLO loss