آموزش دوره کامل یادگیری ماشین با پایتون

سرفصل ها و درس ها

معرفی Introduction

• دوره شامل چه مواردی است؟ What Does the Course Cover?

• چگونه در این دوره موفق شویم How to Succeed in This Course

• فایل ها و منابع پروژه Project Files and Resources

شروع کار با آناکوندا Getting Started with Anaconda

• نصب اپلیکیشن ها و ایجاد محیط Installing Applications and Creating Environment

• سلام دنیا Hello World

• پروژه Iris 1: کار با پیام های خطا Iris Project 1: Working with Error Messages

• پروژه Iris 2: خواندن داده های CSV در حافظه Iris Project 2: Reading CSV Data into Memory

• پروژه Iris 3: بارگیری داده ها از Seaborn Iris Project 3: Loading data from Seaborn

• پروژه Iris 4: تجسم Iris Project 4: Visualization

پسرفت Regression

• Scikit-Learn Scikit-Learn

• EDA EDA

• تجزیه و تحلیل همبستگی و انتخاب ویژگی Correlation Analysis and Feature Selection

• تجزیه و تحلیل همبستگی و انتخاب ویژگی Correlation Analysis and Feature Selection

• رگرسیون خطی با Scikit-Learn Linear Regression with Scikit-Learn

• فرآیند یادگیری ماشین پنج مرحله ای Five Steps Machine Learning Process

• رگرسیون قوی Robust Regression

• ارزیابی عملکرد مدل رگرسیون Evaluate Regression Model Performance

• رگرسیون چندگانه 1 Multiple Regression 1

• رگرسیون چندگانه 2 Multiple Regression 2

• رگرسیون منظم Regularized Regression

• رگرسیون چند جمله ای Polynomial Regression

• برخورد با روابط غیر خطی Dealing with Non-linear Relationships

• اهمیت ویژگی Feature Importance

• پیش پردازش داده ها Data Preprocessing

• واریانس-سوگیری معامله کردن Variance-Bias Trade Off

• منحنی یادگیری Learning Curve

• اعتبار سنجی متقابل Cross Validation

• تصویر رزومه CV Illustration

طبقه بندی Classification

• رگرسیون لجستیک Logistic Regression

• مقدمه ای بر طبقه بندی Introduction to Classification

• درک MNIST Understanding MNIST

• SGD SGD

• اندازه گیری عملکرد و طبقه بندی k-fold Performance Measure and Stratified k-Fold

• ماتریس سردرگمی Confusion Matrix

• دقت، درستی Precision

• به خاطر آوردن Recall

• f1 f1

• Recall Tradeoff دقیق Precision Recall Tradeoff

• تغییر ترادف فراخوان دقیق Altering the Precision Recall Tradeoff

• ROC ROC

ماشین بردار پشتیبانی (SVM) Support Vector Machine (SVM)

• مفاهیم ماشین بردار پشتیبانی (SVM). Support Vector Machine (SVM) Concepts

• طبقه بندی خطی SVM Linear SVM Classification

• هسته چند جمله ای Polynomial Kernel

• تابع پایه شعاعی Radial Basis Function

• رگرسیون برداری پشتیبانی Support Vector Regression

درخت Tree

• مقدمه ای بر درخت تصمیم Introduction to Decision Tree

• آموزش و تجسم درخت تصمیم Training and Visualizing a Decision Tree

• تجسم مرز Visualizing Boundary

• رگرسیون درختی، منظم سازی و برازش بیش از حد Tree Regression, Regularization and Over Fitting

• مدلسازی پایان به انتها End to End Modeling

• پروژه منابع انسانی Project HR

• پروژه منابع انسانی با Google Colab Project HR with Google Colab

مجموعه یادگیری ماشینی Ensemble Machine Learning

• مقدمه روشهای یادگیری گروه Ensemble Learning Methods Introduction

• کوله بری Bagging

• جنگل های تصادفی و درختان اضافی Random Forests and Extra-Trees

• AdaBoost AdaBoost

• دستگاه تقویت گرادیان Gradient Boosting Machine

• نصب XGBoost XGBoost Installation

• XGBoost XGBoost

• پروژه منابع انسانی - تجزیه و تحلیل منابع انسانی Project HR - Human Resources Analytics

• Ensemble of Ensembles قسمت 1 Ensemble of Ensembles Part 1

• گروه گروه ها قسمت 2 Ensemble of ensembles Part 2

k-نزدیکترین همسایگان (kNN) k-Nearest Neighbours (kNN)

• kNN مقدمه kNN Introduction

• پروژه تشخیص سرطان Project Cancer Detection

• مواد افزودنی Addition Materials

• پروژه تشخیص سرطان قسمت 1 Project Cancer Detection Part 1

یادگیری بدون نظارت: کاهش ابعاد Unsupervised Learning: Dimensionality Reduction

• مفهوم کاهش ابعاد Dimensionality Reduction Concept

• مقدمه PCA PCA Introduction

• پروژه شراب Project Wine

• هسته PCA Kernel PCA

• نسخه آزمایشی Kernel PCA Kernel PCA Demo

• LDA در مقابل PCA LDA vs PCA

• پروژه آبالون Project Abalone

یادگیری بدون نظارت: خوشه بندی Unsupervised Learning: Clustering

• خوشه بندی Clustering

• k_به معنی خوشه بندی k_Means Clustering

یادگیری عمیق Deep Learning

• تخمین عملکرد ساده با شبکه های عصبی Estimating Simple Function with Neural Networks

• معماری شبکه های عصبی Neural Network Architecture

• مثال انگیزشی - پروژه MNIST Motivational Example - Project MNIST

• مشکل طبقه بندی باینری Binary Classification Problem

• پردازش زبان طبیعی - طبقه بندی باینری Natural Language Processing - Binary Classification

پیوست A1: مبانی یادگیری عمیق Appendix A1: Foundations of Deep Learning

• مقدمه ای بر شبکه های عصبی Introduction to Neural Networks

• تفاوت بین برنامه نویسی کلاسیک و یادگیری ماشین Differences between Classical Programming and Machine Learning

• بازنمایی های یادگیری Learning Representations

• یادگیری عمیق چیست What is Deep Learning

• یادگیری شبکه های عصبی Learning Neural Networks

• چرا حالا؟ Why Now?

• معرفی بلوک ساختمانی Building Block Introduction

• تانسورها Tensors

• عملیات تانسور Tensor Operations

• بهینه سازی مبتنی بر گرادیان Gradient Based Optimization

• شروع کار با شبکه های عصبی و کتابخانه های یادگیری عمیق Getting Started with Neural Network and Deep Learning Libraries

• دسته های یادگیری ماشینی Categories of Machine Learning

• بیش و زیر اتصالات Over and Under Fitting

• گردش کار یادگیری ماشین Machine Learning Workflow

بینایی کامپیوتری و شبکه عصبی کانولوشنال (CNN) Computer Vision and Convolutional Neural Network (CNN)

• طرح کلی Outline

• ویرایش شبکه عصبی Neural Network Revision

• مثال انگیزشی Motivational Example

• تجسم CNN Visualizing CNN

• درک CNN Understanding CNN

• لایه - ورودی Layer - Input

• لایه - فیلتر Layer - Filter

• تابع فعال سازی Activation Function

• ترکیب، مسطح، متراکم Pooling, Flatten, Dense

• آموزش CNN شما 1 Training Your CNN 1

• آموزش CNN 2 Training Your CNN 2

• بارگیری مدل آموزش دیده قبلی Loading Previously Trained Model

• مقایسه عملکرد مدل Model Performance Comparison

• افزایش داده ها Data Augmentation

• آموزش انتقالی Transfer Learning

• استخراج ویژگی Feature Extraction

• ابزارهای پیشرفته State of the Art Tools