آموزش پایتون در 3 ساعت! [+ یادگیری ماشینی و یادگیری عمیق]
Python in 3 Hours! [+ Machine Learning & Deep Learning]
1.1. مدرس دوره
---------------------------------------------- -----------
اسم من محمد ح. رفیعی، دکتری است. من یک محقق و مدرس در دانشگاه جانز هاپکینز، کالج مهندسی، و دانشگاه ایالتی جورجیا، گروه علوم کامپیوتر هستم. من همچنین بنیانگذار MHR Group LLC در گرجستان هستم، یک شرکت تجزیه و تحلیل داده، که در آن با محققان مختلف داخلی و جهانی در موسسات مختلف برای رسیدگی به چالش‌های مداوم در علوم کامپیوتر، مهندسی و پزشکی، با استفاده از یادگیری ماشینی پیشرفته کار می‌کنیم. و تکنیک های بهینه سازی.
خوشحالی من است که به عنوان یک مربی Udemy خدمت می کنم و به هزاران دانش آموز و محقق در سراسر جهان کمک می کنم تا پایتون و یادگیری ماشینی را بیاموزند.
1.2. آیا این دوره برای شما مناسب است؟
---------------------------------------------- -----------
شما می خواهید (1) پایتون را یاد بگیرید، (2) هوش مصنوعی یادگیری ماشینی را در پایتون یاد بگیرید و به کار ببرید، (3) پایتون را روی رایانه های ابری CPU، GPU و TPU رایگان اجرا کنید، (4) نمی خواهید هیچ کدام را نصب کنید. نرم افزار حجیم بر روی کامپیوتر شما، (5) می خواهید همه این کارها را در کمتر از 3 ساعت انجام دهید، (6) و می خواهید این دوره 100% تضمین بازگشت وجه داشته باشد. اگر اینطور است، پس شما در جای درستی هستید!
در کمتر از 3 ساعت، این دوره به شما آموزش می دهد:
Python 3+ از ابتدا (بدون نیاز به نصب، همه در رایانه‌های ابری رایگان در Google)
مفاهیم کلی یادگیری ماشین و شبکه های عصبی
نحوه توسعه مدل‌های یادگیری ماشین با استفاده از TensorFlow در Python 3+
چگونه مشکلات خود را در پایتون بررسی کنیم
این دوره به شما کمک می کند اگر:
شما یک مبتدی پایتون هستید که علاقه مند به یادگیری پایتون و استفاده از پایتون برای توسعه مدل های یادگیری ماشین در کمتر از 3 ساعت هستید.
شما علاقه مند به استفاده از رایانه های CPU و GPU ابری رایگان و قدرتمند برای توسعه و اجرای کدهای پایتون خود هستید.
تقریباً در هر کجای دنیا که باشید، Google به شما امکان دسترسی رایگان از راه دور به رایانه‌های خود را می‌دهد.
پردازنده‌های CPU، GPU و TPU رایگان برای توسعه و اجرای رایگان کدهای پایتون شما!
فقط باید Gmail (رایگان) و Google Chrome (همچنین رایگان) را روی سیستم عامل خود نصب کنید!
مهم نیست سیستم عامل شما چیست.
هیچ نرم افزار حجیم مورد نیاز نیست، فقط مرورگر وب Google Chrome!
تقریباً همه ارزان‌ترین رایانه‌های موجود در بازار می‌توانند Google Chrome را مدیریت کنند، بنابراین هیچ سیستم رایانه‌ای قابل توجهی مورد نیاز نیست.
شما دانشی در مورد پایتون ندارید یا دانش کمی دارید، علاقه مند به یادگیری پایتون هستید و می خواهید مشکلات یادگیری ماشین را در پایتون تمرین کنید، همه در کمتر از 3 ساعت.
شما ممکن است دانشی در مورد پایتون نداشته باشید یا کمی داشته باشید. به شما آموزش داده خواهد شد!
شما ممکن است دانشی در مورد یادگیری ماشین یا شبکه های عصبی نداشته باشید یا کمی داشته باشید. به شما آموزش داده خواهد شد و آنها را در پایتون تمرین خواهید کرد!
شما خیلی سرتان شلوغ است و زمان کافی برای گذراندن یک دوره 25 ساعته که بسیاری از اصول اولیه برنامه نویسی ابتدایی را به شما می آموزد را ندارید.
شما به مواد بهینه در حداقل زمان نیاز دارید تا به شما کمک کند پایتون را خودتان رانندگی کنید!
برای اجرای پایتون ترجیح می‌دهید حتی نرم‌افزار، ویرایشگر یا برنامه پیچیده دیگری را روی رایانه خود نصب نکنید!
شاید یک رایانه قدیمی زنگ زده داشته باشید، اما می‌تواند آخرین نسخه Google Chrome (یعنی مرورگر وب رایگان Google) را اجرا کند.
کامپیوتر شما حافظه محدودی برای اجرای اسکریپت های برنامه نویسی دارد یا هارد دیسک محدودی برای نصب نرم افزارهای حجیم و پیچیده دارد.
اگر با حداقل یک زبان برنامه نویسی مبتنی بر محاسبات، مانند MATLAB، R، C، C++، C# و غیره آشنا باشید و بخواهید به پایتون تغییر دهید یا یاد بگیرید، بیشترین سود را خواهید برد.
ما قصد نداریم مثلاً توضیح دهیم که "for-loop" چیست، اما خواهیم دید که چگونه مثلاً "for-loops" را در Python ایجاد کنیم.
ما توضیح نمی دهیم که آرایه یا ماتریس چیست.
1.4. نمای کلی دوره
---------------------------------------------- -----------
180 دقیقه در 12 سخنرانی:
سخنرانی 01: مقدمه ای بر دوره (<18 دقیقه)
سخنرانی 02: Gmail، Chrome، و Google Colab (~11 دقیقه)
سخنرانی 03: عملیات، توابع داخلی، و انواع داده (~20 دقیقه)
سخنرانی 04: حلقه‌ها، اسکریپت‌های شرطی، و توابع (~16 دقیقه)
سخنرانی 05: Numpy و Pandas برای پردازش داده (~28 دقیقه)
سخنرانی 06: Matplotlib و Seaborn برای تجسم داده ها (~ 10 دقیقه)
سخنرانی 07: مخازن داده و تقسیم داده در یادگیری ماشین (~15 دقیقه)
سخنرانی 08: پردازش داده و کالیبراسیون در یادگیری ماشین (~13 دقیقه)
سخنرانی 09: معرفی مختصر شبکه های عصبی (~11 دقیقه)
سخنرانی 10: TensorFlow Keras برای شبکه های عصبی رگرسیون (~16 دقیقه)
سخنرانی 11: TensorFlow Keras برای طبقه بندی شبکه های عصبی (~13 دقیقه)
سخنرانی 12: خودتان به جاده بروید! (~9 دقیقه)
1.5. مشارکت شما
---------------------------------------------- -----------
لطفاً نظری درباره این دوره بنویسید. سپس، ما می توانیم آن را اصلاح کرده و آن را بهتر کنیم. اگر این دوره برای شما جالب است، لطفاً آن را به دوستان و همکاران خود ارجاع دهید.
1.6. قدردانی
---------------------------------------------- -----------
می‌خواهم از همسرم فاطمه برای همه حمایت‌هایش در توسعه این دوره تشکر کنم. می خواهم از دوست و برادرم احمد محمدشیرازی دکترای کامپیوتر تشکر کنم. دانشجوی دانشگاه ایالتی اوهایو، برای کمک به من در ویرایش ویدیوی این دوره.
مقدمه ای بر دوره An Introduction to the Course
-
مقدمه ای بر دوره An Introduction to the Course
جیمیل، کروم و گوگل کولب Gmail, Chrome, and Google Colab
-
جیمیل، کروم و گوگل کولب Gmail, Chrome, and Google Colab
عملیات، توابع داخلی، و انواع داده ها Operations, Built-in Functions, and Data Types
-
عملیات، توابع داخلی، و انواع داده، قسمت 01 Operations, Built-in Functions, and Data Types, Part 01
-
عملیات، توابع داخلی، و انواع داده، قسمت 02 Operations, Built-in Functions, and Data Types, Part 02
حلقه ها، اسکریپت های شرطی و توابع Loops, Conditional Scripts, and Functions
-
حلقه ها، اسکریپت های شرطی و توابع، قسمت 01 Loops, Conditional Scripts, and Functions, Part 01
-
حلقه ها، اسکریپت های شرطی و توابع، قسمت 02 Loops, Conditional Scripts, and Functions, Part 02
Numpy و Pandas برای پردازش داده ها Numpy and Pandas for Data Processing
-
Numpy و Pandas برای پردازش داده، قسمت 01 Numpy and Pandas for Data Processing, Part 01
-
Numpy و Pandas برای پردازش داده، قسمت 02 Numpy and Pandas for Data Processing, Part 02
-
Numpy و Pandas برای پردازش داده، قسمت 03 Numpy and Pandas for Data Processing, Part 03
Matplotlib و Seaborn برای تجسم داده ها Matplotlib and Seaborn for Data Visualizations
-
سخنرانی 10 Lecture 10
مخازن داده و تقسیم داده در یادگیری ماشینی Data Repositories and Data Split in Machine Learning
-
سخنرانی 11 Lecture 11
-
سخنرانی 12 Lecture 12
پردازش داده و کالیبراسیون در یادگیری ماشینی Data Processing and Calibration in Machine Learning
-
سخنرانی 13 Lecture 13
مقدمه ای کوتاه بر شبکه های عصبی Brief Introduction to Neural Networks
-
مقدمه ای کوتاه بر شبکه های عصبی Brief Introduction to Neural Networks
TensorFlow Keras برای شبکه های عصبی رگرسیون TensorFlow Keras for Regression Neural Networks
-
TensorFlow Keras برای شبکه های عصبی رگرسیون، قسمت 01 TensorFlow Keras for Regression Neural Networks, Part 01
-
TensorFlow Keras برای شبکه های عصبی رگرسیون، قسمت 02 TensorFlow Keras for Regression Neural Networks, Part 02
TensorFlow Keras برای طبقه بندی شبکه های عصبی TensorFlow Keras for Classification Neural Networks
-
TensorFlow Keras برای طبقه بندی شبکه های عصبی TensorFlow Keras for Classification Neural Networks
مهارت و دانش پایتون را خودمان افزایش دهیم! Increase Our Python Expertise and Knowlege on Our Own!
-
مهارت و دانش پایتون را خودمان افزایش دهیم! Increase Our Python Expertise and Knowledge on Our Own!
![آموزش پایتون در 3 ساعت! [+ یادگیری ماشینی و یادگیری عمیق]](https://donyad.com/course/getimg/487725dd-081a-4f1f-9276-023f9bfa8590.jpg "آموزش پایتون در 3 ساعت! [+ یادگیری ماشینی و یادگیری عمیق]")
https://donyad.com/d/fac9f0
Mohammad H Rafiei
معاون پژوهشی
نمایش نظرات