آموزش یادگیری ماشین و علم داده با پایتون: راهنمای کامل مبتدیان [ویدئو]

Machine Learning and Data Science with Python: A Complete Beginners Guide [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: هوش مصنوعی، یادگیری ماشین و شبکه‌های عصبی یادگیری عمیق، پرکاربردترین اصطلاحات در دنیای فناوری امروز هستند. آنها همچنین اشتباه ترین و گیج ترین اصطلاحات هستند. هوش مصنوعی طیف گسترده‌ای از علم است که سعی می‌کند ماشین‌ها را مانند انسان‌ها باهوش کند، در حالی که یادگیری ماشین و شبکه‌های عصبی دو زیرمجموعه هستند که در این پلتفرم وسیع یادگیری ماشین قرار دارند. اما در این دوره، شما عمدتاً بر روی یادگیری ماشین تمرکز خواهید کرد که شامل آماده سازی ماشین شما برای آماده سازی آن برای تست پیش بینی می شود. شما از پایتون به عنوان زبان برنامه نویسی خود استفاده خواهید کرد. پایتون یک ابزار عالی برای توسعه برنامه هایی است که تجزیه و تحلیل و پیش بینی داده ها را انجام می دهند. دارای کلاس‌ها و ویژگی‌های متنوعی است که تجزیه و تحلیل‌های پیچیده ریاضی را انجام می‌دهد و راه‌حل‌هایی را تنها در چند خط کد ارائه می‌کند، که سرعت پیشرفت علم داده و یادگیری ماشین را برای شما آسان‌تر می‌کند. مشاغل یادگیری ماشینی و علم داده از جمله پردرآمدترین مشاغل در صنعت فناوری در دوران اخیر هستند. بررسی این دوره به شما کمک می کند تا با مفاهیم ضروری آشنا شوید و شما را برای یک حرفه در این زمینه ها آماده کنید. تمامی کدها و فایل های پشتیبانی این دوره در https://github.com/PacktPublishing/Machine-Learning-and-Data-Science-with-Python-A-Complete-Beginners-Guide موجود است Python و کتابخانه های مورد نیاز را نصب کنید. بهترین مدل یادگیری ماشین را انتخاب کنید گردش کار را با خط لوله خودکار و ترکیب کنید به بهبود عملکرد با گروه ها نگاه کنید بهبود عملکرد را با تنظیم پارامتر الگوریتم مطالعه کنید نهایی کردن یک پروژه یادگیری ماشینی این دوره برای مبتدیانی است که علاقه مند به یادگیری ماشین با استفاده از پایتون هستند. یادگیری ماشین و علم داده با استفاده از پایتون * یک دوره کاربردی طراحی شده برای مبتدیانی که علاقه مند به یادگیری ماشین با استفاده از پایتون هستند * کار بر روی پیش بینی ها و مطالعات موردی

سرفصل ها و درس ها

نمای کلی دوره و فهرست مطالب Course Overview and Table of Contents

  • نمای کلی دوره و فهرست مطالب Course Overview and Table of Contents

مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

  • مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

آماده سازی سیستم و محیط System and Environment Preparation

  • آماده سازی سیستم و محیط System and Environment Preparation

اصول اولیه پایتون را بیاموزید Learn Basics of Python

  • اصول اولیه پایتون را بیاموزید Learn Basics of Python

اصول NumPy را بیاموزید Learn Basics of NumPy

  • اصول NumPy را بیاموزید Learn Basics of NumPy

اصول Matplotlib را بیاموزید Learn Basics of Matplotlib

  • اصول Matplotlib را بیاموزید Learn Basics of Matplotlib

اصول پانداها را بیاموزید Learn Basics of Pandas

  • اصول پانداها را بیاموزید Learn Basics of Pandas

درک فایل داده CSV Understanding the CSV Data File

  • درک فایل داده CSV Understanding the CSV Data File

بارگیری و خواندن فایل داده CSV Load and Read CSV Data File

  • بارگیری و خواندن فایل داده CSV Load and Read CSV Data File

خلاصه مجموعه داده Dataset Summary

  • خلاصه مجموعه داده Dataset Summary

تجسم مجموعه داده Dataset Visualization

  • تجسم مجموعه داده Dataset Visualization

آماده سازی داده ها Data Preparation

  • آماده سازی داده ها Data Preparation

انتخاب ویژگی Feature Selection

  • انتخاب ویژگی Feature Selection

جلسه تجدید - مکانیسم نمونه گیری مجدد، آموزش و آزمایش Refresher Session - the Mechanism of Re-Sampling, Training, and Testing

  • جلسه تجدید - مکانیسم نمونه گیری مجدد، آموزش و آزمایش Refresher Session - the Mechanism of Re-Sampling, Training, and Testing

تکنیک های ارزیابی الگوریتم Algorithm Evaluation Techniques

  • تکنیک های ارزیابی الگوریتم Algorithm Evaluation Techniques

معیارهای ارزیابی الگوریتم Algorithm Evaluation Metrics

  • تکنیک های ارزیابی الگوریتم Algorithm Evaluation Techniques

الگوریتم طبقه بندی نقطه چک - رگرسیون لجستیک Classification Algorithm Spot Check - Logistic Regression

  • الگوریتم طبقه بندی نقطه چک - رگرسیون لجستیک Classification Algorithm Spot Check - Logistic Regression

الگوریتم طبقه بندی نقطه چک - تجزیه و تحلیل تشخیص خطی Classification Algorithm Spot Check - Linear Discriminant Analysis

  • الگوریتم طبقه بندی نقطه چک - تجزیه و تحلیل تشخیص خطی Classification Algorithm Spot Check - Linear Discriminant Analysis

الگوریتم طبقه بندی نقطه چک - K-نزدیکترین همسایه Classification Algorithm Spot Check - K-Nearest Neighbors

  • الگوریتم طبقه بندی نقطه چک - K-نزدیکترین همسایه Classification Algorithm Spot Check - K-Nearest Neighbors

بررسی نقطه ای الگوریتم طبقه بندی - ساده بیز Classification Algorithm Spot Check - Naive Bayes

  • بررسی نقطه ای الگوریتم طبقه بندی - ساده بیز Classification Algorithm Spot Check - Naive Bayes

الگوریتم طبقه بندی بررسی نقطه ای – سبد خرید Classification Algorithm Spot Check – CART

  • الگوریتم طبقه بندی بررسی نقطه ای – سبد خرید Classification Algorithm Spot Check – CART

بررسی نقطه ای الگوریتم طبقه بندی - ماشین های بردار پشتیبانی Classification Algorithm Spot Check - Support Vector Machines

  • بررسی نقطه ای الگوریتم طبقه بندی - ماشین های بردار پشتیبانی Classification Algorithm Spot Check - Support Vector Machines

الگوریتم رگرسیون بررسی نقطه ای - رگرسیون خطی Regression Algorithm Spot Check - Linear Regression

  • الگوریتم رگرسیون بررسی نقطه ای - رگرسیون خطی Regression Algorithm Spot Check - Linear Regression

بررسی نقطه ای الگوریتم رگرسیون - رگرسیون ریج Regression Algorithm Spot Check - Ridge Regression

  • بررسی نقطه ای الگوریتم رگرسیون - رگرسیون ریج Regression Algorithm Spot Check - Ridge Regression

بررسی نقطه ای الگوریتم رگرسیون - رگرسیون خطی LASSO Regression Algorithm Spot Check - LASSO Linear Regression

  • بررسی نقطه ای الگوریتم رگرسیون - رگرسیون خطی LASSO Regression Algorithm Spot Check - LASSO Linear Regression

بررسی نقطه ای الگوریتم رگرسیون - رگرسیون خالص الاستیک Regression Algorithm Spot Check - Elastic Net Regression

  • بررسی نقطه ای الگوریتم رگرسیون - رگرسیون خالص الاستیک Regression Algorithm Spot Check - Elastic Net Regression

الگوریتم رگرسیون بررسی نقطه ای - K-نزدیکترین همسایگان Regression Algorithm Spot Check - K-Nearest Neighbors

  • الگوریتم رگرسیون بررسی نقطه ای - K-نزدیکترین همسایگان Regression Algorithm Spot Check - K-Nearest Neighbors

بررسی نقطه ای الگوریتم رگرسیون - سبد خرید Regression Algorithm Spot Check – CART

  • بررسی نقطه ای الگوریتم رگرسیون - سبد خرید Regression Algorithm Spot Check – CART

بررسی نقطه‌ای الگوریتم رگرسیون - ماشین‌های بردار پشتیبانی (SVM) Regression Algorithm Spot Check - Support Vector Machines (SVM)

  • بررسی نقطه ای الگوریتم رگرسیون - ماشین های بردار پشتیبانی Regression Algorithm Spot Check - Support Vector Machines

مقایسه الگوریتم ها - قسمت 1: انتخاب بهترین مدل یادگیری ماشین Compare Algorithms - Part 1: Choosing the Best Machine Learning Model

  • مقایسه الگوریتم ها - قسمت 1: انتخاب بهترین مدل یادگیری ماشین Compare Algorithms - Part 1: Choosing the Best Machine Learning Model

مقایسه الگوریتم ها - قسمت 2: انتخاب بهترین مدل یادگیری ماشین Compare Algorithms - Part 2: Choosing the Best Machine Learning Model

  • مقایسه الگوریتم ها - قسمت 2: انتخاب بهترین مدل یادگیری ماشین Compare Algorithms - Part 2: Choosing the Best Machine Learning Model

خطوط لوله: آماده سازی داده ها و مدل سازی داده ها Pipelines: Data Preparation and Data Modelling

  • خطوط لوله: آماده سازی داده ها و مدل سازی داده ها Pipelines: Data Preparation and Data Modelling

خطوط لوله: انتخاب ویژگی و مدل سازی داده ها Pipelines: Feature Selection and Data Modelling

  • خطوط لوله: انتخاب ویژگی و مدل سازی داده ها Pipelines: Feature Selection and Data Modelling

بهبود عملکرد: گروه ها - رای گیری Performance Improvement: Ensembles – Voting

  • بهبود عملکرد: گروه ها - رای گیری Performance Improvement: Ensembles – Voting

بهبود عملکرد: گروه‌ها - کیسه‌بندی Performance Improvement: Ensembles – Bagging

  • بهبود عملکرد: گروه‌ها - کیسه‌بندی Performance Improvement: Ensembles – Bagging

بهبود عملکرد: گروه ها - تقویت Performance Improvement: Ensembles – Boosting

  • بهبود عملکرد: گروه ها - تقویت Performance Improvement: Ensembles – Boosting

بهبود عملکرد: تنظیم پارامتر با استفاده از جستجوی شبکه Performance Improvement: Parameter Tuning Using Grid Search

  • بهبود عملکرد: تنظیم پارامتر با استفاده از جستجوی شبکه Performance Improvement: Parameter Tuning Using Grid Search

بهبود عملکرد: تنظیم پارامتر با استفاده از جستجوی تصادفی Performance Improvement: Parameter Tuning Using Random Search

  • بهبود عملکرد: تنظیم پارامتر با استفاده از جستجوی تصادفی Performance Improvement: Parameter Tuning Using Random Search

صادرات، ذخیره و بارگذاری مدل های یادگیری ماشینی: ترشی Export, Save and Load Machine Learning Models: Pickle

  • صادرات، ذخیره و بارگذاری مدل های یادگیری ماشینی: ترشی Export, Save and Load Machine Learning Models: Pickle

صادرات، ذخیره و بارگذاری مدل های یادگیری ماشین: Joblib Export, Save and Load Machine Learning Models: Joblib

  • صادرات، ذخیره و بارگذاری مدل های یادگیری ماشین Joblib Export, Save and Load Machine Learning Models Joblib

نهایی کردن یک مدل - مقدمه و مراحل Finalizing a Model - Introduction and Steps

  • نهایی کردن یک مدل - مقدمه و مراحل Finalizing a Model - Introduction and Steps

نهایی کردن یک مدل طبقه‌بندی - مجموعه داده‌های دیابت هندی پیما Finalizing a Classification Model - the Pima Indian Diabetes Dataset

  • نهایی کردن یک مدل طبقه‌بندی - مجموعه داده‌های دیابت هندی پیما Finalizing a Classification Model - the Pima Indian Diabetes Dataset

جلسه سریع: مجموعه داده نامتعادل - بررسی اجمالی و مراحل Quick Session: Imbalanced Dataset - Issue Overview and Steps

  • جلسه سریع: مجموعه داده نامتعادل - بررسی اجمالی و مراحل Quick Session: Imbalanced Dataset - Issue Overview and Steps

مجموعه داده عنبیه: نهایی کردن مجموعه داده چند کلاسه Iris Dataset: Finalizing Multi-Class Dataset

  • مجموعه داده عنبیه: نهایی کردن مجموعه داده چند کلاسه Iris Dataset: Finalizing Multi-Class Dataset

نهایی کردن یک مدل رگرسیون - مجموعه داده قیمت مسکن بوستون Finalizing a Regression Model - the Boston Housing Price Dataset

  • نهایی کردن یک مدل رگرسیون - مجموعه داده قیمت مسکن بوستون Finalizing a Regression Model - the Boston Housing Price Dataset

پیش‌بینی‌های بی‌درنگ: با استفاده از مدل طبقه‌بندی دیابت هندی پیما Real-Time Predictions: Using the Pima Indian Diabetes Classification Model

  • پیش‌بینی‌های بی‌درنگ: با استفاده از مدل طبقه‌بندی دیابت هندی پیما Real-Time Predictions: Using the Pima Indian Diabetes Classification Model

پیش‌بینی‌های بی‌درنگ: با استفاده از مجموعه داده‌های طبقه‌بندی چند طبقه گل زنبق Real-time Predictions: Using Iris Flowers Multi-Class Classification Dataset

  • پیش‌بینی‌های بی‌درنگ: با استفاده از مجموعه داده‌های طبقه‌بندی چند طبقه گل زنبق Real-Time Predictions: Using Iris Flowers Multi-Class Classification Dataset

پیش‌بینی‌های بی‌درنگ: با استفاده از مدل رگرسیون مسکن بوستون Real-Time Predictions: Using the Boston Housing Regression Model

  • پیش‌بینی‌های بی‌درنگ: با استفاده از مدل رگرسیون مسکن بوستون Real-Time Predictions: Using the Boston Housing Regression Model

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 ماشین و علم داده با پایتون: راهنمای کامل مبتدیان [ویدئو]
جزییات دوره
10 h 19 m
48
Packtpub Packtpub
(آخرین آپدیت)
3
4.3 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

Abhilash Nelson Abhilash Nelson

استاد و برنامه نویس ارشد مهندسی کامپیوتر در دبی من یک پیشگام ، با استعداد و امنیت گرا Android/iOS Mobile و PHP/Python Web Developer Application Developer با بیش از هشت سال تجربه کلی فناوری اطلاعات که شامل طراحی ، پیاده سازی ، یکپارچه سازی ، آزمایش و حمایت از تأثیر است برنامه های کامل وب و تلفن همراه. من دارنده مدرک کارشناسی ارشد کارشناسی ارشد در رشته علوم کامپیوتر و مهندسی هستم. تجربه من با برنامه نویسی PHP/Python یک مزیت اضافی برای برنامه های سرویس گیرنده Android و iOS مبتنی بر سرور است. من در حال حاضر تمام وقت به عنوان یک معمار ارشد راه حل مشغول به کار هستم که پروژه های مشتری خود را از ابتدا تا انتها مدیریت می کنم تا از طراحی با کیفیت ، ابتکاری و کاربردی اطمینان حاصل کنم.