آموزش کامل ماشین و یادگیری عمیق با H2O در R

سرفصل ها و درس ها

به دوره خوش آمدید Welcome To The Course

• معرفی مختصر Brief Introduction

• داده و کد Data and Code

• R و RStudio را نصب کنید Install R and RStudio

• انواع داده های رایج Common data types

• H2o را نصب کنید Install H2o

به دوره خوش آمدید Welcome To The Course

• معرفی مختصر Brief Introduction

• داده و کد Data and Code

• R و RStudio را نصب کنید Install R and RStudio

• انواع داده های رایج Common data types

• H2o را نصب کنید Install H2o

در داده ها از منابع مختلف بخوانید Read in Data From Different Sources

• داده های CSV و Excel را بخوانید Read CSV and Excel Data

• در داده ها از جداول HTML آنلاین - قسمت 1 بخوانید Read in Data from Online HTML Tables-Part 1

• در داده ها از جداول HTML آنلاین - قسمت 2 بخوانید Read in Data from Online HTML Tables-Part 2

• داده های خارجی را در H2o بخوانید Read External Data into H2o

در داده ها از منابع مختلف بخوانید Read in Data From Different Sources

• داده های CSV و Excel را بخوانید Read CSV and Excel Data

• در داده ها از جداول HTML آنلاین - قسمت 1 بخوانید Read in Data from Online HTML Tables-Part 1

• در داده ها از جداول HTML آنلاین - قسمت 2 بخوانید Read in Data from Online HTML Tables-Part 2

• داده های خارجی را در H2o بخوانید Read External Data into H2o

پیش پردازش داده ها (به طور خلاصه) Data Preprocessing (Briefly)

• پاکسازی اولیه داده ها در R: حذف NA Basic Data Cleaning in R: Remove NA

• وظایف پیش پردازش و اپراتور لوله Pre-processing Tasks and the Pipe Operator

• مقدمه ای بر اپراتورهای لوله Introduction to Pipe Operators

• بسته Tidyverse The Tidyverse Package

• تجزیه و تحلیل داده های اکتشافی (EDA): تجسم های اساسی با R Exploratory Data Analysis(EDA): Basic Visualizations with R

پیش پردازش داده ها (به طور خلاصه) Data Preprocessing (Briefly)

• پاکسازی اولیه داده ها در R: حذف NA Basic Data Cleaning in R: Remove NA

• وظایف پیش پردازش و اپراتور لوله Pre-processing Tasks and the Pipe Operator

• مقدمه ای بر اپراتورهای لوله Introduction to Pipe Operators

• بسته Tidyverse The Tidyverse Package

• تجزیه و تحلیل داده های اکتشافی (EDA): تجسم های اساسی با R Exploratory Data Analysis(EDA): Basic Visualizations with R

برخی از مبانی نظری Some Theoretical Foundations

• یادگیری ماشینی چیست؟ What is Machine Learning?

• تفاوت بین یادگیری تحت نظارت و بدون نظارت Difference Between Supervised & Unsupervised Learning

برخی از مبانی نظری Some Theoretical Foundations

• یادگیری ماشینی چیست؟ What is Machine Learning?

• تفاوت بین یادگیری تحت نظارت و بدون نظارت Difference Between Supervised & Unsupervised Learning

طبقه بندی بدون نظارت با H2o Unsupervised Classification with H2o

• نظریه k-Means خوشه بندی Theory of k-Means Clustering

• پیاده سازی K-Means Classification Implement k-Means Classification

• تجزیه و تحلیل اجزای اصلی (PCA): تئوری Principal Component Analysis (PCA): Theory

• پیاده سازی PCA با H2O Implement PCA With H2O

طبقه بندی بدون نظارت با H2o Unsupervised Classification with H2o

• نظریه k-Means خوشه بندی Theory of k-Means Clustering

• پیاده سازی K-Means Classification Implement k-Means Classification

• تجزیه و تحلیل اجزای اصلی (PCA): تئوری Principal Component Analysis (PCA): Theory

• پیاده سازی PCA با H2O Implement PCA With H2O

طبقه بندی نظارت شده با H2O Supervised Classification with H2O

• مدل های خطی تعمیم یافته (GLMs): تئوری Generalized Linear Models (GLMs): Theory

• GLM ها برای طبقه بندی باینری GLMs For Binary Classification

• الگوریتم های رایج برای طبقه بندی نظارت شده Common Algorithms For Supervised Classification

• پیاده سازی جنگل تصادفی برای مسئله طبقه بندی باینری Implement Random Forest For Binary Classification Problem

• معیارهای دقت: طبقه بندی باینری Measures of Accuracy:Binary Classification

• پیاده سازی جنگل تصادفی برای مسئله طبقه بندی چندگانه Implement Random Forest For Multiple Classification Problem

• ماشین‌های تقویت گرادیان (GBM) برای طبقه‌بندی باینری Gradient Boosting Machines (GBM) for Binary Classification

طبقه بندی نظارت شده با H2O Supervised Classification with H2O

• مدل های خطی تعمیم یافته (GLMs): تئوری Generalized Linear Models (GLMs): Theory

• GLM ها برای طبقه بندی باینری GLMs For Binary Classification

• الگوریتم های رایج برای طبقه بندی نظارت شده Common Algorithms For Supervised Classification

• پیاده سازی جنگل تصادفی برای مسئله طبقه بندی باینری Implement Random Forest For Binary Classification Problem

• معیارهای دقت: طبقه بندی باینری Measures of Accuracy:Binary Classification

• پیاده سازی جنگل تصادفی برای مسئله طبقه بندی چندگانه Implement Random Forest For Multiple Classification Problem

• ماشین‌های تقویت گرادیان (GBM) برای طبقه‌بندی باینری Gradient Boosting Machines (GBM) for Binary Classification

شبکه های عصبی مصنوعی (ANN) و شبکه های عصبی عمیق با H2O Artificial Neural Networks (ANN) and Deep Neural Networks With H2O

• مقدمه ای کوتاه بر هوش مصنوعی A Brief Introduction to Artificial Intelligence

• نظریه پشت ANN و DNN Theory Behind ANN and DNN

• یک ANN با H2o برای طبقه بندی نظارت شده چند کلاسه پیاده سازی کنید Implement an ANN with H2o For Multi-Class Supervised Classification

• توابع فعال سازی چیست؟ تئوری What Are Activation Functions? Theory

• یک DNN با H2o برای طبقه بندی نظارت شده چند کلاسه پیاده سازی کنید Implement a DNN with H2o For Multi-Class Supervised Classification

• یک DNN (کمتر فشرده) با H2o برای طبقه بندی نظارت شده اجرا کنید Implement a (Less Intensive) DNN with H2o For Supervised Classification

• پیش بینی های مهم را شناسایی کنید Identify the Important Predictors

• DNN برای رگرسیون DNN For Regression

شبکه های عصبی مصنوعی (ANN) و شبکه های عصبی عمیق با H2O Artificial Neural Networks (ANN) and Deep Neural Networks With H2O

• مقدمه ای کوتاه بر هوش مصنوعی A Brief Introduction to Artificial Intelligence

• نظریه پشت ANN و DNN Theory Behind ANN and DNN

• یک ANN با H2o برای طبقه بندی نظارت شده چند کلاسه پیاده سازی کنید Implement an ANN with H2o For Multi-Class Supervised Classification

• توابع فعال سازی چیست؟ تئوری What Are Activation Functions? Theory

• یک DNN با H2o برای طبقه بندی نظارت شده چند کلاسه پیاده سازی کنید Implement a DNN with H2o For Multi-Class Supervised Classification

• یک DNN (کمتر فشرده) با H2o برای طبقه بندی نظارت شده اجرا کنید Implement a (Less Intensive) DNN with H2o For Supervised Classification

• پیش بینی های مهم را شناسایی کنید Identify the Important Predictors

• DNN برای رگرسیون DNN For Regression

طبقه بندی بدون نظارت مبتنی بر یادگیری عمیق Deep Learning Based Unsupervised Classification

• رمزگذارهای خودکار برای یادگیری بدون نظارت Autoencoders for Unsupervised Learning

• طبقه بندی بدون نظارت با H2o Unsupervised Classification with H2o

• رمزگذارهای خودکار بیشتر: تشخیص تقلب در کارت اعتباری More Autoencoders : Credit Card Fraud Detection

• از مدل Autoencoder برای تشخیص ناهنجاری استفاده کنید Use the Autoencoder Model for Anomaly Detection

طبقه بندی بدون نظارت مبتنی بر یادگیری عمیق Deep Learning Based Unsupervised Classification

• رمزگذارهای خودکار برای یادگیری بدون نظارت Autoencoders for Unsupervised Learning

• طبقه بندی بدون نظارت با H2o Unsupervised Classification with H2o

• رمزگذارهای خودکار بیشتر: تشخیص تقلب در کارت اعتباری More Autoencoders : Credit Card Fraud Detection

• از مدل Autoencoder برای تشخیص ناهنجاری استفاده کنید Use the Autoencoder Model for Anomaly Detection