آموزش دوره کامل الگوریتم های یادگیری ماشین

دانلود Complete Machine Learning Algorithms Course

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

با این دوره جامع که برای زبان آموزان مبتدی و متوسط ​​طراحی شده است، قفل دنیای یادگیری ماشین را باز کنید. در این دوره، شما به پرکاربردترین الگوریتم های یادگیری ماشینی تسلط خواهید داشت.  چه بخواهید یک دانشمند داده، تحلیلگر یا توسعه‌دهنده هوش مصنوعی شوید، این دوره شما را با ابزارهایی برای موفقیت در این زمینه مجهز می‌کند.

آنچه خواهید آموخت:

1. K-نزدیکترین همسایگان (KNN)

  • درک کنید که KNN چگونه به عنوان یک تکنیک طبقه بندی و رگرسیون ساده و در عین حال قدرتمند کار می کند.
  • نحوه محاسبه فاصله و تنظیم فراپارامترهایی مانند k را بیاموزید.
  • برای کارهایی مانند تقسیم‌بندی مشتری و سیستم‌های توصیه، KNN را پیاده‌سازی کنید.

2. K-Means Clustering

  • یادگیری بدون نظارت را با K-Means کاوش کنید.
  • نحوه خوشه‌بندی داده‌ها را در گروه‌ها با استفاده از centroids درک کنید.
  • K-Means را برای مشکلاتی مانند فشرده‌سازی تصویر و تقسیم‌بندی بازار اعمال کنید.

3. رگرسیون لجستیک

  • بر این الگوریتم پیشرو برای طبقه بندی باینری مسلط شوید.
  • در مورد تابع سیگموئید، مرزهای تصمیم گیری و توابع هزینه اطلاعات کسب کنید.
  • مشکلاتی مانند تشخیص هرزنامه و پیش بینی ریزش مشتری را حل کنید.

4. رگرسیون خطی

  • برای کارهای رگرسیون به یادگیری تحت نظارت شیرجه بزنید.
  • مفاهیمی مانند حداقل مربعات، ضرایب و R-squared را درک کنید.
  • نتایج را برای مشکلاتی مانند پیش‌بینی قیمت مسکن و پیش‌بینی فروش پیش‌بینی کنید.

5. جنگل های تصادفی

  • این روش گروهی را برای طبقه بندی و رگرسیون بیاموزید.
  • کشف کنید که چگونه درخت‌های تصمیم برای مدل‌های قوی‌تر و دقیق‌تر ترکیب می‌شوند.
  • برای عملکرد بالا، جنگل های تصادفی را در مجموعه داده های پیچیده اعمال کنید.

6. ماشین‌های بردار پشتیبانی (SVM)

  • درک کنید که چگونه SVM ها ابرصفحه های بهینه را برای طبقه بندی ایجاد می کنند.
  • مفاهیمی مانند هسته و حداکثر کردن حاشیه را کاوش کنید.
  • حل مشکلات در طبقه بندی متن و تشخیص تصویر.

7. بیز ساده

  • در این الگوریتم احتمالی برای کارهای طبقه بندی شیرجه بزنید.
  • درک کنید که چگونه از قضیه بیز برای پیش‌بینی استفاده می‌کند.
  • Naive Bayes را برای برنامه‌هایی مانند تحلیل احساسات و فیلتر کردن ایمیل اجرا کنید.

8. درختان تصمیم

  • بیاموزید که درختان تصمیم چگونه داده ها را بر اساس اهمیت ویژگی تقسیم می کنند.
  • معیارهای کلیدی مانند شاخص جینی و آنتروپی را درک کنید.
  • مشکلاتی مانند امتیازدهی اعتبار و تشخیص پزشکی را حل کنید.

چرا این دوره؟

  • پوشش جامع: شامل تمام الگوریتم های کلیدی یادگیری ماشینی است که در صنعت استفاده می شود.
  • تمرکز عملی: مثال‌ها و پروژه‌های دنیای واقعی یادگیری را کاربردی و جذاب می‌کنند.
  • مبتدی-دوستانه: طراحی شده برای زبان آموزان با دانش پایه برنامه نویسی و ریاضی

در پایان این دوره، دانش و مهارت‌هایی برای ساخت، ارزیابی و استقرار مدل‌های یادگیری ماشین خواهید داشت و شما را برای حل مسائل دنیای واقعی با استفاده از قدرت الگوریتم‌ها آماده می‌کند. بیایید امروز سفر شما به یادگیری ماشین را آغاز کنیم!.


سرفصل ها و درس ها

درس ها Lessons

  • کلاس 2: رگرسیون لجستیک Class 2 : Logistic Regression

  • کلاس 7: KNN Class 7 : KNN

  • کلاس 4: بیز ساده لوح Class 4 : Naive Bayes

  • کلاس 1: رگرسیون خطی Class 1 : Linear Regression

  • کلاس 3: درخت تصمیم Class 3 : Decision Tree

  • کلاس 5: ماشین بردار پشتیبانی Class 5 : Support Vector Machine

  • کلاس 6: K به معنای خوشه بندی است Class 6 : K Means Clustering

  • مقدمه دوره Introduction To Course

  • پروژه یادگیری ماشینی Machine Learning Project

  • کلاس 8: جنگل تصادفی Class 8 : Random Forest

نمایش نظرات

آموزش دوره کامل الگوریتم های یادگیری ماشین
جزییات دوره
1h 17m
10
Skillshare (اسکیل شیر) Skillshare (اسکیل شیر)
(آخرین آپدیت)
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Arunnachalam Shanmugaraajan Arunnachalam Shanmugaraajan

سلام من Arunnachalam R S از هند هستم. من دانشجوی رشته کامپیوتر هستم و امنیت سایبری را به عنوان حرفه خود انتخاب کرده ام. من سازنده محتوای یوتیوب هستم و به مردم در مورد آخرین فناوری و نرم افزارهای جدید آموزش می دهم و از طرفداران بزرگ کریکت MS Dhoni هستم. من می توانم با دانش باتجربه خود در مورد فناوری به افراد کمک کنم.  من Skillshare را برای نشان دادن اشتیاق خود به فناوری و علم انتخاب می کنم..