لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
یادگیری ماشینی گام به گام با پایتون [ویدئو]
Step-by-Step Machine Learning with Python [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
علم داده و یادگیری ماشینی برخی از کلمات کلیدی در دنیای فنی امروزی هستند. علاقه دوباره به یادگیری ماشینی به دلیل همان عواملی است که داده کاوی و تجزیه و تحلیل بیزی را بیش از همیشه محبوب کرده است. این ویدیو نقطه ورود شما به یادگیری ماشینی است. با مقدمه ای بر یادگیری ماشین و زبان پایتون شروع می شود و به شما نشان می دهد که چگونه تنظیمات لازم را تکمیل کنید. با حرکت رو به جلو، تمام مفاهیم مهمی مانند تجزیه و تحلیل داده های اکتشافی، پیش پردازش داده ها، استخراج ویژگی ها، تجسم و خوشه بندی داده ها، طبقه بندی، رگرسیون و ارزیابی عملکرد مدل را خواهید آموخت. با کمک پروژه های مختلف گنجانده شده، مکانیک چندین الگوریتم یادگیری ماشینی مهم را به دست خواهید آورد که دیگر مبهم به نظر نخواهند رسید. همچنین، گام به گام راهنمایی خواهید شد تا مدل های خود را از ابتدا بسازید. در پایان، تصویر وسیعی از اکوسیستم یادگیری ماشین جمعآوری میکنید و به بهترین شیوهها برای به کارگیری تکنیکهای یادگیری ماشین تسلط پیدا میکنید. در طول این دوره، شما یاد خواهید گرفت که با مشکلات داده محور مقابله کنید و راه حل های خود را با زبان قدرتمند و در عین حال ساده پایتون پیاده سازی کنید. مثالهای جالب و آسان برای دنبال کردن - از جمله طبقهبندی موضوعات خبری، شناسایی ایمیلهای هرزنامه، پیشبینی کلیک بر روی تبلیغات آنلاین و پیشبینی قیمت سهام - شما را تا رسیدن به هدفتان روی صفحه نگه میدارد. • از قدرت پایتون برای مدیریت تکنیک های استخراج، دستکاری و اکتشاف داده ها استفاده کنید
• از پایتون برای تجسم داده های پخش شده در ابعاد مختلف و استخراج ویژگی های مفید استفاده کنید
• برای پیشبینی درست موقعیتها، وارد دنیای تحلیلها شوید
• الگوریتم های طبقه بندی یادگیری ماشین و رگرسیون را از ابتدا در پایتون پیاده سازی کنید
• از دیدن الگوریتم ها در عمل شگفت زده شوید
• ارزیابی عملکرد یک مدل یادگیری ماشین و بهینه سازی آن
• حل مسائل جالب و دنیای واقعی با استفاده از یادگیری ماشین و Python در طول سفر این دوره برای هر کسی است که علاقه مند به ورود به جریان علم داده با یادگیری ماشین است. یک آشنایی اولیه با پایتون فرض شده است. [*] اصول یادگیری ماشینی را بیاموزید و برنامه های کاربردی هوشمند خود را بسازید * [*] با این راهنمای عملی مبتنی بر مثال، بر هنر ساختن سیستم های یادگیری ماشینی خود مسلط شوید * [*] با الگوریتم های طبقه بندی و رگرسیون مهم و سایر ماشین ها کار کنید تکنیک های یادگیری
سرفصل ها و درس ها
شروع کار با پایتون و یادگیری ماشینی
Getting Started with Python and Machine Learning
بررسی اجمالی دوره
The Course Overview
بررسی اجمالی دوره
The Course Overview
مقدمه ای بر یادگیری ماشینی
Introduction to Machine Learning
مقدمه ای بر یادگیری ماشینی
Introduction to Machine Learning
نصب نرم افزار و راه اندازی
Installing Software and Setting Up
نصب نرم افزار و راه اندازی
Installing Software and Setting Up
کاوش مجموعه داده 20 گروه خبری با الگوریتم های تحلیل متن
Exploring the 20 Newsgroups Dataset with Text Analysis Algorithms
درک NLP
Understanding NLP
درک NLP
Understanding NLP
گشت و گذار در کتابخانه های قدرتمند NLP در پایتون
Touring Powerful NLP Libraries in Python
گشت و گذار در کتابخانه های قدرتمند NLP در پایتون
Touring Powerful NLP Libraries in Python
دریافت اطلاعات گروه های خبری
Getting the Newsgroups Data
دریافت اطلاعات گروه های خبری
Getting the Newsgroups Data
فکر کردن به ویژگی ها
Thinking about Features
فکر کردن به ویژگی ها
Thinking about Features
تجسم
Visualization
تجسم
Visualization
پیش پردازش داده ها
Data Preprocessing
پیش پردازش داده ها
Data Preprocessing
خوشه بندی
Clustering
خوشه بندی
Clustering
مدل سازی موضوع
Topic Modeling
مدل سازی موضوع
Topic Modeling
کاوش مجموعه داده 20 گروه خبری با الگوریتم های تحلیل متن
Exploring the 20 Newsgroups Dataset with Text Analysis Algorithms
شناسایی هرزنامه ایمیل با Naïve Bayes
Spam Email Detection with Naïve Bayes
شروع کار با طبقه بندی
Getting Started with Classification
شروع کار با طبقه بندی
Getting Started with Classification
کاوش ساده بیز
Exploring Naïve Bayes
کاوش ساده بیز
Exploring Naïve Bayes
مکانیک بیز ساده لوح
The Mechanics of Naïve Bayes
مکانیک بیز ساده لوح
The Mechanics of Naïve Bayes
اجرای ساده بیز
The Naïve Bayes Implementation
اجرای ساده بیز
The Naïve Bayes Implementation
ارزیابی عملکرد طبقه بندی کننده
Classifier Performance Evaluation
ارزیابی عملکرد طبقه بندی کننده
Classifier Performance Evaluation
تنظیم مدل و اعتبارسنجی متقابل
Model Tuning and cross-validation
تنظیم مدل و اعتبارسنجی متقابل
Model Tuning and cross-validation
شناسایی هرزنامه ایمیل با Naïve Bayes
Spam Email Detection with Naïve Bayes
طبقه بندی موضوع اخبار با ماشین بردار پشتیبان
News Topic Classification with Support Vector Machine
Recap و معکوس فرکانس سند
Recap and Inverse Document Frequency
Recap و معکوس فرکانس سند
Recap and Inverse Document Frequency
مکانیک SVM
The Mechanics of SVM
مکانیک SVM
The Mechanics of SVM
پیاده سازی SVM
The Implementations of SVM
پیاده سازی SVM
The Implementations of SVM
هسته های SVM
The Kernels of SVM
هسته های SVM
The Kernels of SVM
انتخاب بین هسته خطی و RBF
Choosing Between the Linear and the RBF Kernel
انتخاب بین هسته خطی و RBF
Choosing Between the Linear and the RBF Kernel
موضوع اخبار طبقه بندی با ماشین بردار پشتیبان
News topic Classification with Support Vector Machine
موضوع اخبار طبقه بندی با ماشین بردار پشتیبان
News topic Classification with Support Vector Machine
طبقه بندی حالت جنین با SVM
Fetal State Classification with SVM
طبقه بندی حالت جنین با SVM
Fetal State Classification with SVM
طبقه بندی موضوع اخبار با ماشین بردار پشتیبان
News Topic Classification with Support Vector Machine
پیشبینی کلیک از طریق الگوریتمهای مبتنی بر درخت
Click-Through Prediction with Tree-Based Algorithms
مروری کوتاه بر پیش بینی کلیک از طریق تبلیغات
Brief Overview of Advertising Click-Through Prediction
مروری کوتاه بر پیش بینی کلیک از طریق تبلیغات
Brief Overview of Advertising Click-Through Prediction
طبقه بندی درخت تصمیم
Decision Tree Classifier
طبقه بندی درخت تصمیم
Decision Tree Classifier
پیاده سازی درخت تصمیم
The Implementations of Decision Tree
پیاده سازی درخت تصمیم
The Implementations of Decision Tree
پیش بینی کلیک-از طریق درخت تصمیم
Click-Through Prediction with Decision Tree
پیش بینی کلیک-از طریق درخت تصمیم
Click-Through Prediction with Decision Tree
جنگل تصادفی - ویژگی کیسهبندی درخت تصمیم
Random Forest - Feature Bagging of Decision Tree
جنگل تصادفی - ویژگی کیسهبندی درخت تصمیم
Random Forest - Feature Bagging of Decision Tree
پیشبینی کلیک از طریق الگوریتمهای مبتنی بر درخت
Click-Through Prediction with Tree-Based Algorithms
پیشبینی کلیک از طریق رگرسیون لجستیک
Click-Through Prediction with Logistic Regression
رمزگذاری تک داغ - تبدیل ویژگی های دسته بندی به عددی
One-Hot Encoding - Converting Categorical Features to Numerical
رمزگذاری تک داغ - تبدیل ویژگی های دسته بندی به عددی
One-Hot Encoding - Converting Categorical Features to Numerical
Yuxi (Hayden) Liu یک مهندس نرم افزار، یادگیری ماشین در گوگل است. او در حال توسعه و بهبود مدل ها و سیستم های یادگیری ماشینی برای بهینه سازی تبلیغات در بزرگترین موتور جستجوی جهان است.
نمایش نظرات