آموزش روش‌ها و تکنیک‌های پیشرفته یادگیری ماشین (Machine Learning) - آخرین آپدیت

دانلود Advanced Machine Learning Methods and Techniques

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: آموزش روش‌ها و تکنیک‌های پیشرفته یادگیری ماشین برای تحلیل داده‌ها، علوم داده و هوش مصنوعی کسب دانش جامع در مورد متدهای پیشرفته یادگیری ماشین، تئوری‌ها، بهترین شیوه‌های پیاده‌سازی و تسک‌های عملی تسلط عملی بر یادگیری ماشین پیشرفته و توانایی مدیریت پروژه‌های ML با اعتماد به نفس کامل کار با مدل‌های پیشرفته Ensemble مانند XGBoost برای پیش‌بینی و طبقه‌بندی (Classification) تسلط عمیق و تخصصی بر رگرسیون، تحلیل رگرسیون، پیش‌بینی، طبقه‌بندی و یادگیری نظارت شده (Supervised Learning) تجربه عملی در کار با کتابخانه‌های Scikit-learn، Matplotlib، Seaborn و سایر کتابخانه‌های کاربردی پایتون دانش پیشرفته در مدل‌های پیش‌بینی/طبقه‌بندی هوش مصنوعی و ساخت خودکار مدل‌ها رایانش ابری: استفاده از Anaconda Cloud Notebook (جیوپیت هر نوت‌بوک مبتنی بر ابر) و یادگیری نحوه بهره‌برداری از منابع ابری و بسیاری موارد دیگر... پیش‌نیازها: تسلط بر چهار عمل اصلی ریاضی (+-*/) داشتن تجربه عملی اولیه در علوم داده، تحلیل داده یا یادگیری ماشین آشنایی با زبان پایتون و ترجیحاً کتابخانه Pandas تجربه روزمره در استفاده از کامپیوتر با سیستم‌عامل‌های ویندوز، مک، iOS، اندروید، کروم یا لینوکس دسترسی به کامپیوتر متصل به اینترنت در این دوره تنها از نرم‌افزارهای رایگان استفاده شده است ویدیوهای گام‌به‌گام برای نصب و راه‌اندازی محیط‌های ابری و ویندوز ۱۰/۱۱ در دوره گنجانده شده است

به دوره روش‌ها و تکنیک‌های پیشرفته یادگیری ماشین خوش آمدید!

یادگیری ماشین در مقیاسی گسترده و جهانی در حال توسعه است. در تمام بخش‌های جامعه، حرکتی برای پیاده‌سازی متدهای یادگیری ماشین جهت بهینه‌سازی زندگی، کسب‌وکارها، دولت‌ها و سازمان‌ها وجود دارد.

این دوره مجموعه‌ای کاربردی از متدهای پیشرفته یادگیری ماشین را به شما می‌آموزد که پایه‌ای عالی برای فرصت‌های شغلی و تحصیلی در این حوزه ایجاد می‌کند. محتوای این دوره منحصر‌به‌فرد است و نکات جدیدی را در مورد تکنیک‌های ML به شما ارائه می‌دهد.


این یک مسترکلاس ویدئویی دو در یک است که در آن رگرسیون پیشرفته، پیش‌بینی و طبقه‌بندی را خواهید آموخت.

شما در بخش رگرسیون، تحلیل رگرسیون، پیش‌بینی و یادگیری نظارت شده پیشرفته، نحوه استفاده از شبکه‌های عصبی Feedforward و مدل‌های Ensemble درخت تصمیم مانند XGBoost را یاد می‌گیرید.

در بخش طبقه‌بندی و یادگیری نظارت شده پیشرفته، کار با شبکه‌های عصبی پیش‌خور و مدل‌های طبقه‌بند Ensemble مانند XGBoost Classifier را فرا خواهید گرفت.


آنچه خواهید آموخت:

  • دانش متدهای پیشرفته یادگیری ماشین، تئوری‌ها و بهترین متدهای اجرایی

  • تجربه عملی عمیق در یادگیری ماشین برای مدیریت با اطمینان تسک‌های پیچیده

  • مدل‌های پیشرفته Ensemble مانند XGBoost برای پیش‌بینی و طبقه‌بندی

  • تسلط کامل بر رگرسیون، تحلیل رگرسیون، پیش‌بینی، طبقه‌بندی و یادگیری نظارت شده

  • کار عملی با Scikit-learn، Matplotlib، Seaborn و سایر کتابخانه‌های پایتون

  • دانش پیشرفته در مدل‌های پیش‌بینی/طبقه‌بندی AI و ساخت خودکار مدل

  • رایانش ابری: استفاده از Anaconda Cloud Notebook و بهره‌گیری از منابع ابری

  • گزینه جایگزین: استفاده از Anaconda Distribution برای ویندوز، مک و لینوکس

  • گزینه جایگزین: آشنایی با مبانی محیط پایتون، سیستم مدیریت پکیج Conda و نصب/به‌روزرسانی کتابخانه‌ها از طریق خط فرمان

  • و بسیاری موارد بیشتر...


این دوره شامل موارد زیر است:

  • راهنمای ساده برای استفاده از Anaconda Cloud Notebook جهت یادگیری رایانش ابری

  • راهنمای اختیاری و گام‌به‌گام برای دانلود و نصب Anaconda Distribution جهت ایجاد محیط علوم داده

  • مجموعه‌ای بزرگ از محتواهای منحصر‌به‌فرد که نکات خاصی را به شما می‌آموزد

  • ساختار فشرده آموزشی بر اساس یک چارچوب یادگیری حرفه‌ای و اثبات شده


این دوره راهی عالی است برای یادگیری رگرسیون، پیش‌بینی و طبقه‌بندی پیشرفته؛ ابزارهایی که حیاتی‌ترین متدهای مدل‌سازی، هوش مصنوعی و پیش‌بینی آینده هستند.


آیا این دوره برای شما مناسب است؟

این دوره انتخابی عالی است برای:

  • هر کسی که می‌خواهد روش‌ها و تکنیک‌های پیشرفته یادگیری ماشین را بیاموزد

  • دانشجویانی که در سطح دانشگاهی مطالعه می‌کنند و به دنبال مهارت‌های پیشرفته‌ای هستند که در تمام مسیر شغلی‌شان کاربرد داشته باشد

این دوره‌ای است که اگر می‌توانستیم در زمان سفر کنیم و دوباره دانشجو شویم، حتماً در آن ثبت‌نام می‌کردیم. به باور ما، این بهترین دوره برای یادگیری رگرسیون، پیش‌بینی و طبقه‌بندی پیشرفته است.


پیش‌نیازهای دوره:

  • تسلط بر چهار عمل اصلی ریاضی (+-*/)

  • تجربه عملی اولیه در علوم داده، تحلیل داده یا یادگیری ماشین

  • آشنایی با پایتون و ترجیحاً Pandas

  • تجربه کار با کامپیوتر (ویندوز، مک، لینوکس و ...)

  • دسترسی به اینترنت

  • استفاده از نرم‌افزارهای رایگان

  • ویدیوهای راهنمای نصب برای محیط‌های ابری و ویندوز ۱۰/۱۱ در دوره موجود است


همین حالا ثبت‌نام کنید تا به بیش از ۱۰ ساعت آموزش ویدئویی با زیرنویس انگلیسی و گواهینامه پایان دوره دسترسی داشته باشید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • راه‌اندازی Anaconda Cloud Notebook Setup of the Anaconda Cloud Notebook

  • دانلود و نصب Anaconda Distribution (اختیاری) Download and installation of the Anaconda Distribution (optional)

  • سیستم مدیریت پکیج Conda (اختیاری) The Conda Package Management System (optional)

مدل‌های پیشرفته رگرسیون و یادگیری نظارت شده Advanced Models for Regression and Supervised Learning

  • مرور کلی Overview

  • شبکه‌های عصبی مصنوعی، شبکه‌های پیش‌خور و پرسپترون چندلایه Artificial Neural Networks, Feedforward Networks, and the Multi-Layer Perceptron

  • پرسپترون‌های چندلایه پیش‌خور برای پیش‌بینی Feedforward Multi-Layer Perceptrons for Prediction

  • مدل رگرسیون درخت تصمیم Decision Tree Regression model

  • رگرسیون جنگل تصادفی (Random Forest) Random Forest Regression

  • رگرسیون رای‌گیری (Voting Regression) Voting Regression

  • رگرسیون XGBoost (eXtreme Gradient Boosting) eXtreme Gradient Boosting Regression (XGBoost)

مدل‌های پیشرفته طبقه‌بندی و یادگیری نظارت شده Advanced Models for Classification and Supervised Learning

  • مرور کلی Overview

  • شبکه‌های عصبی مصنوعی، شبکه‌های پیش‌خور و پرسپترون چندلایه Artificial Neural Networks, Feedforward Networks, and the Multi-Layer Perceptron

  • پرسپترون‌های چندلایه پیش‌خور برای طبقه‌بندی Feedforward Multi-Layer Perceptrons for Classification

  • طبقه‌بند درخت تصمیم (Decision Tree Classifier) Decision Tree Classifier

  • طبقه‌بند جنگل تصادفی (Random Forest Classifier) Random Forest Classifier

  • طبقه‌بند رای‌گیری (Voting Classifier) Voting Classifier

  • طبقه‌بند XGBoost (eXtreme Gradient Boosting) eXtreme Gradient Boosting Classifier (XGBoost)

نمایش نظرات

آموزش روش‌ها و تکنیک‌های پیشرفته یادگیری ماشین (Machine Learning)
جزییات دوره
11.5 hours
18
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,671
5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Henrik Johansson Henrik Johansson

مدرس در Udemy