لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش هوش مصنوعی و تحلیل پیشبینانه با پایتون
- آخرین آپدیت
دانلود AI & Predictive Analytics with Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره یک معرفی جامع و عملی از هوش مصنوعی (AI) و تحلیلهای پیشبینانه (Predictive Analytics) با استفاده از زبان برنامهنویسی پایتون ارائه میدهد. یادگیرندگان از مفاهیم بنیادی مدلسازی پیشبینانه و روشهای Ensemble شروع کرده و به تکنیکهای پیشرفته خوشهبندی بدون نظارت مانند Meanshift، Affinity Propagation و مدلهای مخلوط گوسی (GMM) میرسند. سپس دوره به بررسی الگوریتمهای یادگیری نظارت شده از جمله رگرسیون لجستیک، Naive Bayes و ماشینهای بردار پشتیبان (SVM) پرداخته و وارد مباحث برنامهنویسی منطقی و رویکردهای حل مسئله مانند جستجوی اکتشافی (Heuristic)، جستجوی محلی و مسائل ارضای محدودیت (CSP) میشود.
در بخش نهایی، پردازش زبان طبیعی (NLP) با پایتون و کتابخانه NLTK معرفی میشود که شامل مباحثی چون توکنایز کردن، ریشهیابی (Stemming)، لمتایزیشن، بخشبندی، استخراج اطلاعات، چانکبندی (Chunking)، شناسایی موجودات نامدار (NER) و تکنیکهای تجزیه گرامری شامل گرامر مستقل از متن (CFG)، تجزیه نزولی بازگشتی و تجزیه Shift-Reduce است.
در پایان این دوره، یادگیرندگان قادر خواهند بود:
• الگوریتمهای تحلیل پیشبینانه و یادگیری ماشین را در مسائل واقعی پیادهسازی کنند.
• خط لولههای (Pipelines) خوشهبندی، طبقهبندی و NLP را برای پردازش دادههای ساختاریافته و بدون ساختار تحلیل کنند.
• عملکرد مدلها را با استفاده از معیارهایی مانند ماتریس اغتشاش (Confusion Matrix) و شاخصهای کیفیت خوشهبندی ارزیابی کنند.
• راهکارهای هوش مصنوعی مبتنی بر منطق را با استفاده از قوانین، محدودیتها و استراتژیهای جستجو طراحی کنند.
• گردش کارهای جامع برای مدلسازی پیشبینانه، متنکاوی و تجزیه نحوی طراحی نمایند.
این دوره برای افرادی که به دنبال یادگیری، تحلیل و ارزیابی روشهای هوش مصنوعی در علوم داده، تحلیلهای پیشبینانه و کاربردهای پردازش زبان طبیعی با پایتون هستند، ایدهآل است.
سرفصل ها و درس ها
مبانی تحلیل پیشبینانه
Foundations of Predictive Analytics
مقدمهای بر تحلیل پیشبینانه
Introduction to Predictive Analysis
جنگل تصادفی و جنگل تصادفی بسیار شدید (Extremely Random Forest)
Random Forest and Extremely Random Forest
مدیریت عدم تعادل کلاسها
Dealing with Class Imbalance
جستجوی شبکهای (Grid Search)
Grid Search
رگرسیور Adaboost
Adaboost Regressor
پیشبینی ترافیک با استفاده از Extremely Random Forest Regressor
Predicting Traffic Using Extremely Random Forest Regressor
پیشبینی ترافیک
Traffic Prediction
یادگیری بدون نظارت و کشف الگو
Unsupervised Learning & Pattern Discovery
تشخیص الگوها با یادگیری بدون نظارت
Detecting patterns with Unsupervised Learning
خوشهبندی
Clustering
خوشهبندی Meanshift
Clustering Meanshift
ادامه خوشهبندی Meanshift
Clustering Meanshift Continues
مدل انتشار نزدیکی (Affinity Propagation)
Affinity Propagation Model
ادامه مدل انتشار نزدیکی
Affinity Propagation Model Continues
کیفیت خوشهبندی
Clustering Quality
برنامه نویسی کیفیت خوشهبندی
Program of Clustering Quality
مدل مخلوط گوسی (GMM)
Gaussian Mixture Model
برنامه نویسی مدل مخلوط گوسی
Program of Gaussian Mixture Model
یادگیری نظارت شده و هوش مصنوعی مبتنی بر منطق
Supervised Learning & Logic-Based AI
طبقهبندی در هوش مصنوعی
Classification in Artificial Intelligence
نمایش نظرات