لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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.
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.
نمایش نظرات