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

  • پردازش داده‌ها Processing Data

  • طبقه‌بندی‌کننده رگرسیون لجستیک Logistic Regression Classifier

  • مثال رگرسیون لجستیک با پایتون Logistic Regression Classifier Example Using Python

  • طبقه‌بندی‌کننده Naive Bayes و مثال‌های آن Naive Bayes Classifier and its Examples

  • ماتریس اغتشاش (Confusion Matrix) Confusion Matrix

  • مثالی از ماتریس اغتشاش Example os Confusion Matrix

  • طبقه‌بندی‌کننده ماشین‌های بردار پشتیبان (SVM) Support Vector Machines Classifier(SVM)

  • مثال‌های طبقه‌بندی‌کننده SVM SVM Classifier Examplesg

  • مفهوم برنامه‌نویسی منطقی Concept of Logic Programming

  • تطبیق عبارات ریاضی Matching the Mathematical Expression

  • تجزیه درخت خانوادگی و مثال آن Parsing Family Tree and its Example

  • تحلیل برنامه‌نویسی منطق جغرافیایی Analyzing Geography Logic Programming

  • حل‌کننده پازل و مثال آن Puzzle Solver and its Example

  • جستجوی اکتشافی (Heuristic Search) چیست What is Heuristic Search

  • تکنیک جستجوی محلی Local Search Technique

  • مسئله ارضای محدودیت (CSP) Constraint Satisfaction Problem (CSP)

  • مسئله رنگ‌آمیزی مناطق Region Coloring Problem

  • ساخت ماز (Maze) Building Maze

  • حل‌کننده پازل Puzzle Solver

پردازش زبان طبیعی با پایتون Natural Language Processing with Python

  • پردازش زبان طبیعی (NLP) Natural Language Processing

  • بررسی متن با استفاده از NLTK Examine Text Using NLTK

  • دسترسی به متن خام (توکنایز کردن) Raw Text Accessing (Tokenization)

  • خط لوله NLP و مثال آن NLP Pipeline and Its Example

  • عبارات منظم (Regular Expression) در NLTK Regular Expression with NLTK

  • ریشه‌یابی (Stemming) Stemming

  • لمتایزیشن (Lemmatization) Lemmatization

  • بخش‌بندی (Segmentation) Segmentation

  • مثال بخش‌بندی Segmentation Example

  • ادامه مثال بخش‌بندی Segmentation Example Continues

  • استخراج اطلاعات Information Extraction

  • الگوهای تگ (Tag Patterns) Tag Patterns

  • چانک‌بندی (Chunking) Chunking

  • نمایش چانک‌ها Representation of Chunks

  • حذف چانک‌ها (Chinking) Chinking

  • چانک‌بندی با عبارات منظم Chunking wirh Regular Expression

  • شناسایی موجودات نام‌دار (NER) Named Entity Recognition

  • درخت‌ها Trees

  • گرامر مستقل از متن (CFG) Context Free Grammar

  • تجزیه نزولی بازگشتی Recursive Descent Parsing

  • ادامه تجزیه نزولی بازگشتی Recursive Descent Parsing Continues

  • تجزیه Shift-Reduce Shift Reduce Parsing

نمایش نظرات

آموزش هوش مصنوعی و تحلیل پیش‌بینانه با پایتون
جزییات دوره
11h 21m
59
(آخرین آپدیت)
268
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده