آموزش ملزومات یادگیری ماشین (2023) - مفاهیم اصلی ML

سرفصل ها و درس ها

معرفی Introduction

• بررسی اجمالی دوره Course Overview

• هوش مصنوعی Artificial Intelligence

• فراگیری ماشین Machine Learning

• یادگیری عمیق Deep Learning

• کامپیوتر ویژن Computer Vision

• پردازش زبان طبیعی Natural Language Processing

• تشخیص خودکار گفتار Automatic Speech Recognition

• یادگیری تقویتی Reinforcement Learning

• پیش نیازها Pre-requisites

• مخزن کد Code Repository

• زمان امتحان! Quiz Time!

یادگیری تحت نظارت در مقابل یادگیری بدون نظارت Supervised vs Unsupervised Learning

• مقدمه یادگیری تحت نظارت Supervised Learning Introduction

• نمونه یادگیری تحت نظارت Supervised Learning Example

• یادگیری بدون نظارت Unsupervised Learning

• زمان امتحان! Quiz Time!

رگرسیون خطی Linear Regression

• مقدمه ای بر رگرسیون خطی Introduction to Linear Regression

• نشانه گذاری Notation

• فرضیه Hypothesis

• عملکرد از دست دادن/خطا Loss / Error Function

• ایده آموزشی Training Idea

• بهینه سازی گرادیان نزولی Gradient Descent Optimisation

• کد نزولی گرادیان Gradient Descent Code

• گرادیان نزول - برای رگرسیون خطی Gradient Descent - for Linear Regression

• ریاضی آموزش The Math of Training

• کد 01 - تولید داده Code 01 - Data Generation

• کد 02 - عادی سازی داده ها Code 02 - Data Normalisation

• کد 03 - تقسیم تست قطار Code 03 - Train Test Split

• کد 04 - مدلسازی Code 04 - Modelling

• کد 05 - پیش بینی ها Code 05 - Predictions

• امتیاز R2 R2 Score

• کد 06 - ارزیابی Code 06 - Evaluation

• کد 07 - تجسم Code 07 - Visualisation

• کد 08 - مسیر [اختیاری] Code 08 - Trajectory [Optional]

رگرسیون خطی - ویژگی های چندگانه Linear Regression - Multiple Features

• معرفی Introduction

• فرضیه Hypothesis

• عملکرد از دست دادن Loss Function

• آموزش و به روز رسانی گرادیان Training & Gradient Updates

• کد 01 - آماده سازی داده ها Code 01 - Data Prep

• کد 02 - فرضیه Code 02 - Hypothesis

• کد 03 - تابع ضرر Code 03 - Loss Function

• کد 04 - محاسبه گرادیان Code 04 - Gradient Computation

• کد 05 - حلقه آموزشی Code 05 - Training Loop

• نکته ای در مورد شکل ها A Note about Shapes

• کد 06 - ارزیابی Code 06 - Evaluation

• رگرسیون خطی با استفاده از Sk-Learn Linear Regression using Sk-Learn

رگرسیون لجستیک Logistic Regression

• مقدمه طبقه بندی باینری Binary Classification Introduction

• نشانه گذاری Notation

• تابع فرضیه Hypothesis Function

• باینری متقاطع آنتروپی/تابع از دست دادن Binary Cross-Entropy / Loss Function

• قانون به روز رسانی گرادیان Gradient Update Rule

• کد 01 - آماده سازی داده ها Code 01 - Data Prep

• کد 02 - فرضیه/مدل لاجیت Code 02 - Hypothesis / Logit Model

• کد 03 - از دست دادن آنتروپی متقاطع باینری Code 03 - Binary Cross Entropy Loss

• کد 04 - محاسبه گرادیان Code 04 - Gradient Computation

• کد 05 - حلقه آموزشی Code 05 - Training Loop

• کد 06 - مرز تصمیم را تجسم کنید Code 06 - Visualise Decision Boundary

• کد 07 - پیش بینی و دقت Code 07 - Predictions & Accuracy

• رگرسیون لجستیک با استفاده از Sk-Learn Logistic Regression using Sk-Learn

• طبقه بندی چند کلاسه: یک در مقابل استراحت Multiclass Classification : One Vs Rest

• طبقه بندی چند کلاسه: یک در مقابل یک Multiclass Classification : One Vs One

کاهش ابعاد/انتخاب ویژگی Dimensionality Reduction/ Feature Selection

• نفرین ابعاد Curse of Dimensionality

• انتخاب ویژگی در مقابل. استخراج ویژگی Feature Selection Vs. Feature Extraction

• روش فیلتر Filter Method

• روش لفاف دار Wrapper Method

• روش تعبیه شده Embedded Method

• انتخاب ویژگی - کد Feature Selection - Code

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

• مقدمه ای بر PCA Introduction to PCA

• مروری بر مفهومی PCA Conceptual Overview of PCA

• به حداکثر رساندن واریانس Maximising Variance

• به حداقل رساندن فاصله ها Minimising Distances

• مقادیر ویژه و بردارهای ویژه Eigen Values & Eigen Vectors

• خلاصه PCA PCA Summary

• درک ارزش های ویژه Understanding Eigen Values

• کد PCA PCA Code

• انتخاب ابعاد مناسب Choosing the right dimensions

K-نزدیکترین همسایگان K-Nearest Neigbours

• معرفی Introduction

• ایده KNN KNN Idea

• آماده سازی داده های KNN KNN Data Prep

• کد الگوریتم KNN KNN Algorithm Code

• فاصله اقلیدسی و منهتن Euclidean and Manhattan Distance

• مقدار تعیین کننده K Deciding value of K

• KNN و استانداردسازی داده ها KNN and Data Standardisation

• مزایا و معایب KNN KNN Pros and Cons

• KNN با استفاده از Sk-Learn KNN using Sk-Learn

پروژه - تشخیص چهره PROJECT - Face Recognition

• OpenCV - کار با تصاویر OpenCV - Working with Images

• OpenCV - ورودی ویدئو از وب کم OpenCV - Video Input from WebCam

• تشخیص شی با استفاده از Haarcascades Object Detection using Haarcascades

• تشخیص چهره در تصاویر Face Detection in Images

• تشخیص چهره در ویدیوی زنده Face Detection in Live Video

• معرفی پروژه تشخیص چهره Face Recognition Project Intro

• تشخیص چهره 01 - جمع آوری داده ها Face Recognition 01 - Data Collection

• تشخیص چهره 02 - بارگذاری داده ها Face Recognition 02 - Loading Data

• تشخیص چهره 03 - پیش بینی با استفاده از KNN Face Recognition 03 - Predictions using KNN

K-Means K-Means

• الگوریتم K-Means K-Means Algorithm

• کد 01 - آماده سازی داده ها Code 01 - Data Prep

• کد 02 - Init Centers Code 02 - Init Centers

• کد 03 - تخصیص امتیاز Code 03 - Assigning Points

• کد 04 - به روز رسانی Centroids Code 04 - Updating Centroids

• کد 05 - تجسم K-Means & Results Code 05 - Visualizing K-Means & Results

پروژه - استخراج رنگ غالب Project - Dominant Color Extraction

• معرفی Introduction

• خواندن تصاویر Reading Images

• یافتن خوشه ها Finding Clusters

• نمونه های رنگ غالب Dominant Color Swatches

• تصویر در رنگ های K Image in K-Colors

الگوریتم ساده بیز Naive Bayes Algorithm

• قضیه بیز Bayes Theorem

• استنتاج قضیه بیز Derivation of Bayes Theorem

• سوال قضیه بیز Bayes Theorem Question

• الگوریتم ساده بیز Naive Bayes Algorithm

• بیز ساده برای طبقه بندی متن Naive Bayes for Text Classification

• احتمال محاسباتی Computing Likelihood

• آشنایی با مجموعه داده گلف Understanding Golf Dataset

• کد - احتمال قبلی CODE - Prior Probability

• کد - احتمال شرطی CODE - Conditional Probability

• کد - احتمال CODE - Likelihood

• کد - پیش بینی CODE - Prediction

• پیاده سازی Naive Bayes - Sklearn Implementing Naive Bayes - Sklearn

چند جمله ای ساده بیز Multinomial Naive Bayes

• چند جمله ای ساده بیز Multinomial Naive Bayes

• صاف کردن لاپلاس Laplace Smoothing

• چند جمله ای ساده بیز | مثال Multinomial Naive Bayes | Example

• برنولی نایو بیز Bernoulli Naive Bayes

• برنولی نایو بیز | مثال Bernoulli Naive Bayes | Example

• مبادله واریانس تعصب Bias Variance Tradeoff

• بیز ساده لوح گاوسی Gaussian Naive Bayes

• کد - انواع ساده لوح بیز CODE - Variants of Naive Bayes

پروژه: طبقه بندی کننده هرزنامه PROJECT : Spam Classifier

• بررسی اجمالی پروژه Project Overview

• پاکسازی داده ها Data Clearning

• WordCloud WordCloud

• برجسته سازی متن Text Featurization

• ساختمان مدل Model Building

• ارزیابی مدل Model Evaluation

درختان تصمیم Decision Trees

• مقدمه درختان تصمیم Decision Trees Introduction

• مثال درختان تصمیم Decision Trees Example

• آنتروپی Entropy

• کد: آنتروپی CODE : Entropy

• به دست آوردن اطلاعات Information Gain

• کد: تقسیم داده ها CODE : Split Data

• کد: کسب اطلاعات CODE : Information Gain

• ساخت درختان تصمیم Construction of Decision Trees

• شرایط توقف Stopping Conditions

پیاده سازی درختان تصمیم Decision Trees Implementation

• کد - گره درخت تصمیم CODE - Decision Tree Node

• کد - درخت تصمیم قطار CODE - Train Decision Tree

• CODE - متغیر هدف را به هر گره اختصاص دهید CODE - Assign Target Variable to Each Node

• کد - شرایط توقف CODE - Stopping Conditions

• کد - گره های کودک قطار CODE - Train Child Nodes

• CODE - مدل درخت تصمیم را کاوش کنید CODE - Explore Decision Tree Model

• کد - پیش بینی CODE - Prediction

• مدیریت ویژگی های عددی Handling Numeric Features

• مبادله واریانس تعصب Bias Variance Tradeoff

• درختان تصمیم برای رگرسیون Decision Trees for Regression

• کد درخت تصمیم - Sklearn Decision Tree Code - Sklearn

پروژه: پیش بینی بقای تایتانیک PROJECT : Titanic Survival Prediction

• بررسی اجمالی پروژه Project Overview

• تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

• تجزیه و تحلیل داده های اکتشافی - II Exploratory Data Analysis - II

• آماده سازی داده ها برای مدل ML Data Preparation for ML Model

• مدیریت ارزش های گمشده Handling Missing Values

• ساختمان مدل درخت تصمیم Decision Tree Model Building

• درخت تصمیم را تجسم کنید Visualize Decision Tree

آموزش گروهی: کیسه کشی Ensemble Learning : Bagging

• آموزش گروهی Ensemble Learning

• مدل کیف Bagging Model

• چرا کیسه زدن کمک می کند؟ Why Bagging Helps

• الگوریتم جنگل تصادفی Random Forest Algorithm

• مبادله واریانس تعصب Bias Variance Tradeoff

• کد: جنگل تصادفی CODE : Random Forest

یادگیری گروهی: تقویت Ensemble Learning : Boosting

• تقویت مقدمه Boosting Introduction

• تقویت شهود Boosting Intuition

• تقویت: فرمول بندی ریاضی Boosting : Mathematical Formulation

• مفهوم شبه باقیمانده Concept of Pseudo Residuals

• الگوریتم GBDT GBDT Algorithm

• مبادله واریانس تعصب Bias Variance Tradeoff

• کد - درختان تصمیم گیری افزایش دهنده گرادیان CODE - Gradient Boosting Decision Trees

• XGBoost XGBoost

• تقویت تطبیقی ​​(AdaBoost) Adaptive Boosting (AdaBoost)

پروژه: پیش بینی ریزش مشتری PROJECT : Customer Churn Prediction

• بررسی اجمالی پروژه Project Overview

• تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

• تجسم داده ها Data Visualisation

• یافتن روابط Finding relations

• آماده سازی داده ها Data Preparation

• ساختمان مدل Model Building

• تنظیم فراپارامتر Hyperparameter tuning

مقدمه یادگیری عمیق - شبکه عصبی Deep Learning Introduction - Neural Network

• شبکه عصبی بیولوژیکی Biological Neural Network

• یک نورون A Neuron

• پرسپترون چگونه یاد می گیرد؟ How does a perceptron Learns?

• به‌روزرسانی‌های Gradient Descent Gradient Descent Updates

• شبکه های عصبی Neural Networks

• NN 3 لایه 3 Layer NN

• چرا شبکه های عصبی؟ Why Neural Nets?

• زمین بازی تنسورفلو Tensorflow Playground

• کد - آماده سازی داده ها CODE -Data Preparation

• کد - ماکت ساختمان CODE - Model Building

• کد - آموزش و تست مدل CODE - Model Training and Testing

پروژه: پوکمون/طبقه بندی تصویر PROJECT : Pokemon / Image Classification

• معرفی Introduction

• داده The Data

• داده های ساخت یافته Structured Data

• بارگذاری داده ها Data Loading

• پیش پردازش داده ها Data Preprocessing

• معماری مدل Model Architecture

• عملکرد سافت مکس Softmax Function

• آموزش مدل Model Training

• ارزیابی مدل Model evaluation

• پیش بینی ها Predictions