لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش احتمال/آمار - مبانی یادگیری ماشین [ویدئو]
Probability / Statistics - The Foundations of Machine Learning [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره:
هدف این دوره این است که به شما پایه ای محکم و مورد نیاز برای برتری در تمام زمینه های علوم کامپیوتر – به ویژه علم داده و یادگیری ماشین – بدهد. مسئله این است که بیشتر دروس احتمال و آمار بیش از حد تئوری محور هستند. آنها بدون بحث در مورد اهمیت برنامه ها در ریاضیات درگیر می شوند. برنامه ها همیشه در درجه دوم اهمیت قرار می گیرند.
در این دوره ما یک رویکرد کد محور را در پیش می گیریم. ما تمام مفاهیم را از طریق کد اعمال می کنیم. در واقع، ما از تمام تئوری های بی فایده ای که به علم کامپیوتر مربوط نمی شود می گذریم. در عوض، ما بر مفاهیمی تمرکز میکنیم که برای علم داده، یادگیری ماشین و سایر زمینههای علوم رایانه مفیدتر هستند. به عنوان مثال، بسیاری از دوره های احتمال از استنتاج بیزی می گذرند. ما به سرعت به این مفهوم بسیار مهم خواهیم رسید و به آن توجه لازم را خواهیم کرد زیرا به طور گسترده به عنوان آینده تحلیل تصور می شود!
به این ترتیب، بدون پرداختن به جزئیات موضوعات کمتر مرتبط، در کمترین زمان ممکن، مهمترین مفاهیم را در این موضوع یاد می گیرید. هنگامی که شهودی در مورد چیزهای مهم ایجاد کردید، می توانید جدیدترین و بهترین مدل ها را حتی به تنهایی یاد بگیرید!
تمامی منابع این دوره در آدرس زیر موجود است: https://github.com/PacktPublishing/Probability-Statistics---The-Foundations-of-Machine-Learning تمام مفاهیم لازم در آمار و احتمال را بیاموزید.
مفاهیم مهم برای علم داده و/یا یادگیری ماشینی را بیاموزید
توزیع ها و اهمیت آنها را درک کنید
در مورد آنتروپی، که پایه و اساس تمام یادگیری ماشینی است، بیاموزید
مقدمه ای بر استنتاج بیزی
آموزش استفاده از مفاهیم از طریق کد این دوره برای توسعه دهندگان مبتدی ML و علوم داده طراحی شده است که به یک پایه محکم نیاز دارند، برای توسعه دهندگان کنجکاو در مورد علم داده و یادگیری ماشین، برای افرادی که به دنبال یافتن این موضوع هستند که چرا احتمال اساس همه یادگیری ماشین مدرن است. یا برای توسعه دهندگانی که می خواهند بدانند چگونه از قدرت داده های بزرگ استفاده کنند. رویکردی عملی برای درک مفاهیم اصلی احتمال و آمار * تمرکز بر کاربردهای این مفاهیم مهم ریاضی در علم داده، یادگیری ماشین و سایر زمینه ها * درک اینکه چرا احتمال اساس همه یادگیری ماشینی مدرن است.
سرفصل ها و درس ها
غواصی با کد
Diving in with Code
معرفی
Introduction
راه اندازی محیط کد و دوره سقوط پایتون
Code Environment Setup and Python Crash Course
شروع با کد: احساس داده
Getting Started with Code: Feel of Data
مبانی، انواع داده ها و نمایش داده ها
Foundations, Data Types, and Representing Data
این دوره رویکردهای تحلیل داده های اکتشافی (EDA) با استفاده از پایتون را پوشش می دهد. موضوعات شامل تکنیک های تجسم، روش های خوشه بندی، تجزیه و تحلیل توزیع، نمونه گیری و خلاصه سازی است.
توانایی تمرکز بر زیر گروه ها یا موارد خاص می تواند به شما این امکان را بدهد که با استفاده از روش های ساده، تفاوت های ظریف و احتمالی در داده های خود را کشف کنید.
دکتر محمد نائومان دارای دکترای علوم کامپیوتر و پست داک از موسسه ماکس پلانک برای سیستم های نرم افزاری است. او از اوایل سال 2000 برنامه نویسی کرده و با زبان ها، ابزارها و پلتفرم های مختلف کار کرده است. او دارای تجربه تحقیقاتی گسترده ای با بسیاری از مدل های پیشرفته است. تحقیقات او در زمینه امنیت اندروید منجر به برخی تغییرات عمده در مدل مجوز اندروید شده است. او عاشق تدریس است و مهم ترین دلیلی که او به صورت آنلاین تدریس می کند این است که مطمئن شود حداکثر افراد می توانند از طریق محتوای او یاد بگیرند. امیدوارم از یادگیری با او لذت ببرید!