آموزش یادگیری ماشینی - از اصول اولیه تا پیشرفته

Machine Learning- From Basics to Advanced

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: راهنمای مبتدیان برای یادگیری یادگیری ماشین (از جمله پروژه های عملی - از سطح پایه تا پیشرفته) یاد بگیرید چگونه از NumPy برای انجام محاسبات سریع ریاضی در یادگیری ماشین استفاده کنید. بیاموزید که یادگیری ماشینی و جدال داده در یادگیری ماشین چیست. یاد بگیرید که چگونه از scikit-learn برای پیش پردازش داده ها در یادگیری ماشین استفاده کنید. تکنیک های مختلف انتخاب مدل و انتخاب ویژگی را در یادگیری ماشین بیاموزید. درباره تجزیه و تحلیل خوشه و تشخیص ناهنجاری در یادگیری ماشین بیاموزید. درباره SVM ها برای طبقه بندی، رگرسیون و تشخیص نقاط پرت در یادگیری ماشین بیاموزید. پیش نیازها: دانش اولیه اسکریپت نویسی و برنامه نویسی دانش پایه برنامه نویسی پایتون

اگر به دنبال شروع حرفه خود در یادگیری ماشین هستید، این دوره برای شما مناسب است.

این دوره ای طراحی شده است که به گونه ای طراحی شده است که شما تمام مفاهیم یادگیری ماشینی را از سطوح پایه تا پیشرفته یاد خواهید گرفت.

این دوره دارای 5 بخش به شرح زیر است:

  1. مقدمه کشمکش داده ها در یادگیری ماشینی

  2. مدل های خطی، پیش پردازش درختان در یادگیری ماشینی

  3. ارزیابی مدل، خط لوله انتخاب ویژگی در یادگیری ماشینی

  4. بایز، خوشه‌بندی نزدیکترین همسایگان در یادگیری ماشینی

  5. SVM، ناهنجاری‌ها، کلاس‌های نامتعادل، روش‌های گروهی در یادگیری ماشین

برای کد توضیح داده شده در هر سخنرانی، می توانید پیوند GitHub را در بخش منابع پیدا کنید.


چه کسی در این دوره به شما آموزش می دهد؟

من مربی و مشاور حرفه ای برای زبان های C، C++، Python، Java، Scala، Big Data Technologies - PySpark، Spark با استفاده از Scala Machine Learning Deep Learning- sci-kit-learn، TensorFlow، TFLearn، Keras، h2o و تحویل داده شده در شرکت هایی مانند GE، SCIO Health Analytics، Impetus، IBM Bangalore Hyderabad، Redbus، Schnider، JP Morgan - سنگاپور هنگ کنگ، CISCO، Flipkart، MindTree، DataGenic، CTS - Chennai، HappiestMinds، Mphasis، Hexaware، Kabbage. من دانش خود را به اشتراک گذاشته‌ام که شما را برای درک رویکرد کل‌نگر نسبت به ML راهنمایی می‌کند.


یادگیری ماشینی سوختی است که ما برای نیرو دادن به روبات ها در کنار هوش مصنوعی به آن نیاز داریم. با یادگیری ماشینی، می‌توانیم برنامه‌هایی را تقویت کنیم که می‌توانند به راحتی به‌روزرسانی و اصلاح شوند تا با محیط‌ها و وظایف جدید سازگار شوند تا کارها به سرعت و کارآمد انجام شود.

در اینجا چند دلیل برای دنبال کردن شغلی در یادگیری ماشین آورده شده است:
1) یادگیری ماشینی مهارتی در آینده است - علیرغم رشد تصاعدی در یادگیری ماشینی، این رشته با کمبود مهارت مواجه است. اگر بتوانید خواسته‌های شرکت‌های بزرگ را با کسب تخصص در یادگیری ماشین برآورده کنید، شغلی مطمئن در فناوری‌ای خواهید داشت که در حال افزایش است.
2) روی چالش‌های واقعی کار کنید – کسب‌وکارها در این عصر دیجیتال با مشکلات زیادی روبرو هستند. مسائلی که یادگیری ماشین وعده حل آنها را می دهد. به‌عنوان یک مهندس یادگیری ماشین، روی چالش‌های زندگی واقعی کار خواهید کرد و راه‌حل‌هایی را توسعه می‌دهید که تأثیر عمیقی بر نحوه رونق کسب‌وکارها و افراد دارد. نیازی به گفتن نیست، شغلی که به شما امکان می دهد کار کنید و مبارزات دنیای واقعی را حل کنید، رضایت بالایی را به همراه دارد.
3) یاد بگیرید و رشد کنید - از آنجایی که یادگیری ماشینی در حال رونق است، با وارد شدن به این حوزه در مراحل اولیه، می توانید شاهد روندها باشید. دست اول و به افزایش ارتباط خود در بازار ادامه دهید، بنابراین ارزش خود را برای کارفرمای خود افزایش دهید.
4) نمودار شغلی نمایی - همه گفته‌ها و انجام‌ها، یادگیری ماشینی هنوز در مرحله اولیه خود است. و با رشد و پیشرفت فناوری، تجربه و تخصص لازم برای دنبال کردن نمودار شغلی رو به بالا و نزدیک شدن به کارفرمایان ایده‌آل خود را خواهید داشت.
5) ایجاد یک شغل پرسود - میانگین حقوق یک مهندس یادگیری ماشین یکی از بهترین‌هاست. دلایلی که چرا یادگیری ماشین برای بسیاری از ما شغلی پرسود به نظر می رسد. از آنجایی که صنعت در حال افزایش است، می‌توان انتظار داشت که این رقم با گذشت سال‌ها بیشتر رشد کند.
6) گامی جانبی در علم داده – مهارت‌های یادگیری ماشین به شما کمک می‌کند مسیرهای کاری خود را گسترش دهید. مهارت‌های یادگیری ماشینی می‌تواند به شما دو کلاه بدهد، دیگری یک دانشمند داده. با به دست آوردن تخصص در هر دو زمینه به طور همزمان به یک منبع داغ تبدیل شوید و سفری هیجان انگیز پر از چالش ها، فرصت ها و دانش را آغاز کنید.


یادگیری ماشینی در حال حاضر در حال انجام است. بنابراین، شما می خواهید از مزیت بازی کردن با راه حل ها و فناوری هایی که از آن پشتیبانی می کنند، بهره مند شوید. به این ترتیب، زمانی که زمانش برسد، مهارت‌های خود را با تقاضای بسیار بالاتری خواهید یافت و می‌توانید مسیر شغلی را تضمین کنید که همیشه در حال افزایش است.

همین الان ثبت نام کنید!! شما را در کلاس می بینیم.


یادگیری شاد
تیم Edyoda


سرفصل ها و درس ها

مقدمه ای بر یادگیری ماشین و جدال داده ها Introduction to Machine Learning & Data Wrangling

  • جعبه سیاه مقدمه ای بر یادگیری ماشینی Black Box Introduction to Machine Learning

  • Essential NumPy - یادگیری ماشینی Essential NumPy - Machine Learning

  • پانداهای ضروری برای یادگیری ماشینی Essential Pandas for Machine Learning

مدل های خطی، درختان و پیش پردازش Linear Models, Trees & Preprocessing

  • مدل های خطی برای رگرسیون و طبقه بندی - یادگیری ماشین Linear Models for Regression & Classification - Machine Learning

  • تکنیک های پیش پردازش با استفاده از Scikit - یادگیری ماشین Pre-Processing Techniques using Scikit - Machine Learning

  • درختان تصمیم - یادگیری ماشینی Decision Trees - Machine Learning

ارزیابی مدل، انتخاب ویژگی و خط لوله Model Evaluation, Feature Selection & Pipelining

  • انتخاب و ارزیابی مدل - یادگیری ماشین Model Selection & Evaluation - Machine Learning

  • تکنیک های انتخاب ویژگی - یادگیری ماشین Feature Selection Techniques - Machine Learning

  • برآوردگرهای ترکیبی با استفاده از Pipelines & FeatureUnions - یادگیری ماشین Composite Estimators using Pipelines & FeatureUnions - Machine Learning

بیز، نزدیکترین همسایه‌ها و خوشه‌بندی Bayes, Nearest Neighbours & Clustering

  • ساده بیز - یادگیری ماشین Naive Bayes - Machine Learning

  • نزدیکترین همسایگان - یادگیری ماشینی Nearest Neighbors - Machine Learning

  • تجزیه و تحلیل خوشه ای - یادگیری ماشینی Cluster Analysis - Machine Learning

SVM، ناهنجاری‌ها، کلاس‌های نامتعادل، روش‌های گروهی SVM, Anomalies, Imbalanced Classes, Ensemble Methods

  • تشخیص ناهنجاری - یادگیری ماشینی Anomaly Detection - Machine Learning

  • مدیریت کلاس های نامتعادل - یادگیری ماشینی Handling Imbalanced Classes - Machine Learning

  • ماشین بردار پشتیبانی - یادگیری ماشین Support Vector Machine - Machine Learning

  • روش های گروهی - یادگیری ماشینی Ensemble Methods - Machine Learning

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری ماشینی - از اصول اولیه تا پیشرفته
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
7 hours
16
Udemy (یودمی) udemy-small
20 فروردین 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
284,804
4.3 از 5
ندارد
ندارد
ندارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

EdYoda Digital University EdYoda Digital University

EdYoda در حال تجسم دوباره آموزش مبتنی بر مهارت است که در زمینه مهارتهای مربوط به شغل مربوط به دنیای واقعی آموزش می بیند. دوره های Edyoda در زمینه مهارت های فنی مربوط به شغل در زمینه فن آوری های برش هستند. ما یک تیم حرفه ای از مربیان فن آوری داریم. برخی از دوره های تخصصی ما شامل توسعه وب ، توسعه برنامه تلفن همراه ، Cloud & DevOps ، یادگیری ماشین ، هوش مصنوعی ، داده های بزرگ و بسیاری دیگر است ما در EdYoda اعتقاد داریم که دسترسی به آموزش و فرصت ها بزرگترین توانمند است و مأموریت داریم که همان را برای همه در سراسر جهان فراهم کنیم.

Awantik Das Awantik Das

مربی شرکتی ، CTO - EdYodaAwantik Das یک مبلغ فناوری است و در حال حاضر به عنوان مربی شرکتی کار می کند. وی در حال حاضر بیش از 3000+ متخصص از شرکتهای Fortune 500 را آموزش داده است که شامل شرکتهایی مانند Cognizant ، Mindtree ، HappiestMinds ، CISCO ، Kabbage و دیگران است. او همچنین در مشاوره استعدادیابی برای شرکت های پیشرو در زمینه فن آوری های تخصصی مشارکت دارد. زمینه اصلی تخصص وی عبارتند از: Hadoop ، Spark ، یادگیری ماشین ، هوش مصنوعی و یادگیری عمیق قبلاً او با شرکتهای فناوری مانند CISCO ، Juniper و Rancore (یک شرکت گروه اعتماد) کار کرده است.

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.