دوره آموزشی تصادفی یادگیری ماشین پایتون برای مبتدیان [ویدئو]

سرفصل ها و درس ها

مقدمه دوره Introduction to the Course

• معرفی Introduction

• تمرکز دوره Focus of the Course

چرا یادگیری ماشین Why Machine Learning

• برنامه های کاربردی یادگیری ماشین - قسمت 1 Machine Learning Applications - Part 1

• برنامه های کاربردی یادگیری ماشین - قسمت 2 Machine Learning Applications - Part 2

• چرا یادگیری ماشین در حال حاضر مرسوم است؟ Why Machine Learning is Trending Now

فرآیند یادگیری از داده ها Process of Learning from Data

• یادگیری تحت نظارت Supervised Learning

• یادگیری بدون نظارت و یادگیری تقویتی Unsupervised Learning and Reinforcement Learning

مدل های یادگیری ماشین Machine Learning Models

• امکانات Features

• ویژگی ها تمرین با پایتون Features Practice with Python

• پسرفت Regression

• تمرین رگرسیون با پایتون Regression Practice with Python

• طبقه بندی Classification

• تمرین طبقه بندی با پایتون Classification Practice with Python

• خوشه بندی Clustering

• تمرین خوشه بندی با پایتون Clustering Practice with Python

آماده سازی و پیش پردازش داده ها Data Preparation and Preprocessing

• مدیریت داده های تصویر Handling Image Data

• مدیریت داده های صوتی و تصویری Handling Video and Audio Data

• مدیریت داده های متنی و یک رمزگذاری داغ Handling Text Data and One Hot Encoding

• یک کدگذاری داغ One Hot Encoding

• استاندارد سازی داده ها Data Standardization

مدل های یادگیری ماشین و بهینه سازی Machine Learning Models and Optimization

• یادگیری ماشین مدل 1 Machine Learning Model 1

• یادگیری ماشین مدل 2 Machine Learning Model 2

• یادگیری ماشین مدل 3 Machine Learning Model 3

• فرآیند آموزش، خطا، هزینه و ضرر Training Process, Error, Cost, and Loss

• بهينه سازي Optimization

ساخت یک مدل یادگیری ماشینی از ابتدا Building a Machine Learning Model from Scratch

• رگرسیون خطی از ابتدا - قسمت 1 Linear Regression from Scratch - Part 1

• رگرسیون خطی از ابتدا - قسمت 2 Linear Regression from Scratch - Part 2

• طبقه بندی کننده فاصله حداقل به میانگین از ابتدا - قسمت 1 Minimum-to-Mean Distance Classifier from Scratch - Part 1

• طبقه بندی کننده فاصله حداقل به میانگین از ابتدا - قسمت 2 Minimum-to-Mean Distance Classifier from Scratch - Part 2

• K-Means خوشه بندی از ابتدا - قسمت 1 K-Means Clustering from Scratch - Part 1

• K-Means Clustering from Scratch - Part 2 K-Means Clustering from Scratch - Part 2

اضافه برازش، کم تناسب و تعمیم Overfitting, Underfitting, and Generalization

• معرفی بیش از حد Overfitting Introduction

• یک مثال بیش از حد در پایتون An Overfitting Example on Python

• منظم سازی Regularization

• تعمیم Generalization

• Snooping داده و مجموعه تست Data Snooping and the Test Set

• اعتبار سنجی متقابل Cross-Validation

معیارهای عملکرد مدل یادگیری ماشین Machine Learning Model Performance Metrics

• دقت The Accuracy

• ماتریس سردرگمی The Confusion Matrix

کاهش ابعاد Dimensionality Reduction

• نفرین ابعاد The Curse of Dimensionality

• تجزیه و تحلیل اجزای اصلی (PCA) The Principal Component Analysis (PCA)

مروری بر یادگیری عمیق Deep Learning Overview

• مقدمه ای بر شبکه های عصبی عمیق (DNN) Introduction to Deep Neural Networks (DNN)

• مقدمه ای بر شبکه های عصبی کانولوشنال (CNN) Introduction to Convolutional Neural Networks (CNN)

• مقدمه ای بر شبکه های عصبی بازگشتی (RNN) Introduction to Recurrent Neural Networks (RNN)

پروژه یادگیری ماشینی دستی با استفاده از Scikit-Learn Hands-On Machine Learning Project Using Scikit-Learn

• تجزیه و تحلیل اجزای اصلی (PCA) با پایتون Principal Component Analysis (PCA) with Python

• خط لوله در پروژه Scikit-Learn for Machine Learning Pipeline in Scikit-Learn for Machine Learning Project

• اعتبار سنجی متقابل با پایتون Cross-Validation with Python

• پروژه تشخیص چهره با پایتون Face Recognition Project with Python

جمع بندی ریاضیات Mathematics Wrap-Up

• جمع بندی ریاضیات Mathematics Wrap-Up