آموزش 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

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

شناسایی هرزنامه ایمیل با Naïve Bayes Spam Email Detection with Naïve Bayes

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

طبقه بندی موضوع اخبار با ماشین بردار پشتیبان News Topic Classification with Support Vector Machine

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

پیش‌بینی کلیک از طریق الگوریتم‌های مبتنی بر درخت Click-Through Prediction with Tree-Based Algorithms

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 رگرسیون لجستیک Click-Through Prediction with Logistic Regression

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

  • طبقه بندی رگرسیون لجستیک Logistic Regression Classifier

  • طبقه بندی رگرسیون لجستیک Logistic Regression Classifier

  • پیش‌بینی کلیک-از طریق رگرسیون لجستیک با نزول گرادیان Click-Through Prediction with Logistic Regression by Gradient Descent

  • پیش‌بینی کلیک-از طریق رگرسیون لجستیک با نزول گرادیان Click-Through Prediction with Logistic Regression by Gradient Descent

  • انتخاب ویژگی از طریق جنگل تصادفی Feature Selection via Random Forest

  • انتخاب ویژگی از طریق جنگل تصادفی Feature Selection via Random Forest

پیش بینی قیمت سهام با الگوریتم های رگرسیون Stock Price Prediction with Regression Algorithms

پیش بینی قیمت سهام با الگوریتم های رگرسیون Stock Price Prediction with Regression Algorithms

  • مروری کوتاه بر بازار سهام و قیمت سهام Brief Overview of the Stock Market And Stock Price

  • مروری کوتاه بر بازار سهام و قیمت سهام Brief Overview of the Stock Market And Stock Price

  • پیش بینی قیمت سهام با الگوریتم های رگرسیون Predicting Stock Price with Regression Algorithms

  • پیش بینی قیمت سهام با الگوریتم های رگرسیون Predicting Stock Price with Regression Algorithms

  • اکتساب داده و تولید ویژگی Data Acquisition and Feature Generation

  • اکتساب داده و تولید ویژگی Data Acquisition and Feature Generation

  • رگرسیون خطی Linear Regression

  • رگرسیون خطی Linear Regression

  • رگرسیون درخت تصمیم Decision Tree Regression

  • رگرسیون درخت تصمیم Decision Tree Regression

  • رگرسیون برداری پشتیبانی Support Vector Regression

  • رگرسیون برداری پشتیبانی Support Vector Regression

  • ارزیابی عملکرد رگرسیون Regression Performance Evaluation

  • ارزیابی عملکرد رگرسیون Regression Performance Evaluation

  • پیش بینی قیمت سهام با الگوریتم های رگرسیون Stock Price Prediction with Regression Algorithms

  • پیش بینی قیمت سهام با الگوریتم های رگرسیون Stock Price Prediction with Regression Algorithms

بهترین شیوه ها Best Practices

بهترین شیوه ها Best Practices

  • بهترین روش ها در مرحله آماده سازی داده ها Best Practices in Data Preparation Stage

  • بهترین روش ها در مرحله آماده سازی داده ها Best Practices in Data Preparation Stage

  • بهترین شیوه ها در مرحله تولید مجموعه های آموزشی Best Practices in the Training Sets Generation Stage

  • بهترین شیوه ها در مرحله تولید مجموعه های آموزشی Best Practices in the Training Sets Generation Stage

  • بهترین شیوه ها در مرحله آموزش مدل، ارزیابی و انتخاب Best Practices in the Model Training, Evaluation, and Selection Stage

  • بهترین شیوه ها در مرحله آموزش مدل، ارزیابی و انتخاب Best Practices in the Model Training, Evaluation, and Selection Stage

  • بهترین شیوه ها در مرحله استقرار و نظارت Best Practices in the Deployment and Monitoring Stage

  • بهترین شیوه ها در مرحله استقرار و نظارت Best Practices in the Deployment and Monitoring Stage

نمایش نظرات

Packtpub یک ناشر دیجیتالی کتاب‌ها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرم‌افزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتاب‌ها، ویدیوها و دوره‌های آموزشی می‌پردازد که به توسعه‌دهندگان و متخصصان فناوری اطلاعات کمک می‌کند تا مهارت‌های خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامه‌نویسی، توسعه وب، داده‌کاوی، امنیت سایبری و هوش مصنوعی را پوشش می‌دهد. محتوای این منابع به صورت کاربردی و به‌روز ارائه می‌شود تا کاربران بتوانند دانش و توانایی‌های لازم برای موفقیت در پروژه‌های عملی و حرفه‌ای خود را کسب کنند.

آموزش یادگیری ماشینی گام به گام با پایتون [ویدئو]
جزییات دوره
4 h 56 m
45
Packtpub Packtpub
(آخرین آپدیت)
6
3.8 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

Yuxi (Hayden) Liu Yuxi (Hayden) Liu

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.