Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
در حال بارگزاری، لطفا صبر کنید...
توضیحات دوره:
یادگیری ML نظارت شده و بدون نظارت، فرآیند یادگیری ماشین، مدلها، پایتون، NumPy، پانداها، Seaborn، تجسم دادهها چیست؟ جمعآوری دادههای انجمن آمادهسازی انتخاب یک مدل آموزش داده و ارزیابی HPT در پیشبینی یادگیری ماشین در ML DPP در ML نیاز به مراحل DPP در کتابخانههای DPP پایتون وجود ندارد، رمزگذاری و تقسیم دادهها در ML Python، Java، R، و C ++ چگونه پایتون و آناکوندا را نصب کنیم؟ رابط ریاضیات نوت بوک ژوپیتر در پایتون عدد اویلر و متغیرها درجه به رادیان و رادیان به درجه در پایتون توابع چاپ در مقیاس گذاری ویژگی پایتون برای ML نحوه انتخاب ویژگی برای روش فیلتر ML LDA در ML روش مربع چی و آموزش انتخاب داده به جلو ML انتخاب مدل نهایی برنامه های کاربردی ML مهارت های عملی در ML: فرآیند تسلط بر ML پسوند در ML چیست. اتصال، لپ تاپ یا تلفن همراه اشتیاق به یادگیری علم داده و یادگیری ماشین
دسترسی فوری به یک کتاب کار 69 صفحهای یادگیری ماشینی حاوی تمام مطالب مرجع
داشته باشید.
بیش از 9 ساعت دستورالعمل گام به گام روشن و مختصر، درس های عملی و مشارکت
در این دوره خود را به جامعه دانشجویان ما معرفی کنید و اهداف خود را به ما بگویید
تجلیل از پیشرفت شما: 25٪، 50٪، 75٪، و سپس 100٪ هنگامی که گواهینامه خود را دریافت می کنید
از انجام این دوره چه چیزی به دست خواهید آورد؟
این دوره به شما کمک می کند تا مهارت های یادگیری ماشینی را برای حل مشکلات زندگی واقعی در دنیای دیجیتال جدید توسعه دهید. یادگیری ماشینی علم کامپیوتر و آمار را برای تجزیه و تحلیل داده های خام بلادرنگ، شناسایی روندها و پیش بینی ها ترکیب می کند. شما تکنیکها و ابزارهای کلیدی را برای ایجاد راهحلهای یادگیری ماشین برای کسبوکارها کشف خواهید کرد.
برای یادگیری این مهارتها نیازی به داشتن دانش فنی ندارید.
چه چیزی یاد خواهید گرفت:
یادگیری ماشین چیست
یادگیری ماشینی تحت نظارت
یادگیری ماشینی بدون نظارت
یادگیری ماشین نیمه نظارت
انواع یادگیری تحت نظارت: طبقه بندی
رگرسیون
انواع یادگیری بدون نظارت: خوشه بندی
انجمن
مجموعه داده
آماده سازی داده ها
انتخاب یک مدل
آموزش و ارزیابی داده
HPT در یادگیری ماشین
پیشبینی در ML
DPP در ML
نیاز به DPP
مراحل DPP
کتابخانههای پایتون
فقدان، رمزگذاری، و تقسیم داده ها در ML
Python، Java، R، و C ++
چگونه پایتون و آناکوندا را نصب کنیم؟
رابط Jupyter Notebook
ریاضیات در پایتون
عدد و متغیرهای اویلر
در پایتون درجه رادیان و رادیان به درجه در پایتون
توابع چاپ در پایتون
مقیاسسازی ویژگی برای ML
نحوه انتخاب ویژگیها برای ML
روش فیلتر
LDA در ML
روش Chi-Square
انتخاب به جلو
مجموعه دادههای آموزش و آزمایش برای ML
انتخاب مدل نهایی
برنامه های ML
مهارت های عملی در ML: تسلط
فرآیند ML
افزونه در ML چیست
مبادله ML
خطای واریانس ML
رگرسیون لجستیک
تجسم داده
Pandas and Seaborn-Library for ML
...و بیشتر!
محتوا و نمای کلی
شما با یادگیری ماشینی چیست شروع خواهید کرد. یادگیری ماشینی تحت نظارت؛ یادگیری ماشینی بدون نظارت؛ یادگیری ماشین نیمه نظارت؛ مثالی از یادگیری ماشینی تحت نظارت؛ مثالی از یادگیری ماشینی بدون نظارت؛ مثالی از یادگیری ماشین نیمه نظارت شده؛ انواع یادگیری تحت نظارت: طبقه بندی; پسرفت؛ انواع یادگیری بدون نظارت: خوشه بندی. انجمن.
سپس با جمع آوری داده ها آشنا می شوید. آماده سازی داده ها؛ انتخاب یک مدل؛ آموزش و ارزیابی داده ها; HPT در یادگیری ماشینی؛ پیش بینی در ML; DPP در ML؛ نیاز به DPP؛ مراحل در DPP؛ کتابخانه های پایتون؛ از دست رفته، رمزگذاری، و تقسیم داده ها در ML.
ما همچنین مقیاس ویژگی برای ML را پوشش خواهیم داد. نحوه انتخاب ویژگی ها برای ML. روش فیلتر; LDA در ML؛ روش مربع چی; انتخاب رو به جلو؛ مجموعه داده های آموزشی و آزمایشی برای ML. انتخاب مدل نهایی; برنامه های کاربردی ML; مهارت های عملی در ML: تسلط; فرآیند ML؛ پسوند در ML چیست؟ ML Tradeoff; خطای واریانس ML; رگرسیون چیست؛ رگرسیون لجستیک.
این دوره همچنین پایتون، جاوا، R و C ++ را نیز بررسی خواهد کرد. چگونه پایتون و آناکوندا را نصب کنیم؟ رابط نوت بوک Jupyter; ریاضیات در پایتون; عدد و متغیرهای اویلر؛ درجه به رادیان و رادیان به درجه در پایتون. توابع چاپ در پایتون.
این دوره همچنین در مورد انتخاب تصادفی بحث خواهد کرد. آرایه تصادفی در پایتون؛ آرایه تصادفی و پراکندگی. طرح پراکندگی; راه اندازی نوت بوک Jupyter و مشکل. آرایه تصادفی در پایتون؛ چاپ چندین تابع در پایتون. تابع نمایی و لگاریتمی در پایتون.
در مرحله بعد، در مورد نمودار خط ساده با Matplotlib آشنا خواهید شد. طرح رنگ با Matplotlib. نمودار نقطه و نقطه چین. پراکندگی 1-تجسم داده ها; برچسب زدن - تجسم داده ها. پردازش رنگ-تجسم داده ها. طرح پراکندگی دریازاد; وارد کردن DataFrame توسط پانداها.
مربیان چه کسانی هستند؟
Allah Dittah از Tech 100 مربی اصلی شما است - یک حرفه ای که از طریق مهارت های تدریس خود با تخصص در یادگیری ماشین امرار معاش می کند. او با خالق محتوا پیتر آلکما پیوسته است تا این دوره آموزشی شگفت انگیز جدید را برای شما ارائه دهد.
ما نمی توانیم منتظر باشیم تا شما را در دوره ببینیم!
اکنون ثبت نام کنید و به یادگیری ماشینی مسلط شوید!
پیتر و الله
سرفصل ها و درس ها
معرفی
Introduction
معرفی
Introduction
خود را به دانشآموزان خود معرفی کنید و به همه بگویید اهدافتان چیست
Introduce Yourself to Your Fellow Students And Tell Everyone What are Your Goals
کتاب کار یادگیری ماشین
Machine Learning Workbook
تمامی فایل های کد این دوره
All code files for this course
بیایید پیشرفت شما را در این دوره جشن بگیریم: 25%> 50%> 75%> 100%!!
Let's Celebrate Your Progress In This Course: 25% > 50% > 75% > 100%!!
مقدمه ای بر یادگیری ماشینی
Introduction to Machine Learning
یادگیری ماشین چیست
What is Machine Learning
یادگیری ماشینی تحت نظارت
Supervised Machine Learning
یادگیری ماشینی بدون نظارت
Unsupervised Machine Learning
مثالی از یادگیری ماشینی نظارت شده
Example of Supervised Machine Learning
مثالی از یادگیری ماشینی بدون نظارت
Example of Un-Supervised Machine Learning
نمونه ای از یادگیری ماشین نیمه نظارت شده
Example of Semi-Supervised Machine Learning
انواع یادگیری تحت نظارت: طبقه بندی
Types of Supervised Learning: Classification
پسرفت
Regression
انواع یادگیری بدون نظارت: خوشه بندی
Types of Unsupervised Learning: Clustering
اتحادیه
Association
شما به 25% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 50% ادامه دهیم>>
You've Achieved 25% >> Let's Celebrate Your Progress And Keep Going To 50% >>
انواع یادگیری ماشینی
Types of Machine Learning
مراحل یادگیری ماشین
Machine Learning Steps
جمع آوری داده ها
Data Collection
آماده سازی داده ها
Data Preparation
انتخاب یک مدل
Selection of a Model
آموزش و ارزیابی داده ها
Data Training and Evaluation
HPT در یادگیری ماشینی
HPT in Machine Learning
پیش بینی در ML
Prediction in ML
DPP در ML
DPP in ML
نیاز به DPP
Need of DPP
مراحل در DPP
Steps in DPP
کتابخانه های پایتون
Python Libraries
از دست رفته، رمزگذاری، و تقسیم داده ها در ML
Missing, Encoding, and Splitting Data in ML
جمع آوری داده ها
Data Collection
مدل های یادگیری ماشین
Machine Learning Models
مقیاس بندی ویژگی برای ML
Feature Scaling for ML
نحوه انتخاب ویژگی ها برای ML
How to Select Features for ML
روش فیلتر
Filter Method
LDA در ML
LDA in ML
روش مربع چی
Chi Square Method
انتخاب رو به جلو
Forward Selection
مجموعه داده های آموزشی و آزمایشی برای ML
Training and Testing Data Set for ML
انتخاب مدل نهایی
Selection of Final Model
شما به 50% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 75% ادامه دهیم>>
You've Achieved 50% >> Let's Celebrate Your Progress And Keep Going To 75% >>
برنامه های کاربردی ML
ML Applications
مهارت های عملی در ML: تسلط
Practical Skills in ML: Mastery
فرآیند ML
Process of ML
Extension در ML چیست؟
What is Extension in ML
ML Tradeoff
ML Tradeoff
خطای واریانس ML
ML Variance Error
رگرسیون چیست؟
What is Regression
رگرسیون لجستیک
Logistic Regression
تجزیه و تحلیل رگرسیون
Regression Analysis
زبان برای ML
Languages for ML
پایتون، جاوا، R و C ++
Python, Java, R,and C ++
پایتون، جاوا و R این زبان ها هستند
Python, Java, an R are the languages
پایتون
Python
فایل های کد این بخش
Code files for this section
چگونه پایتون و آناکوندا را نصب کنیم؟
How to install python and anaconda?
رابط کاربری نوت بوک Jupyter
Interface of Jupyter Notebook
ریاضیات در پایتون
Mathematics in Python
عدد اویلر و متغیرها
Euler's Number and Variables
درجه به رادیان و رادیان به درجه در پایتون
Degree into Radians and Radians into Degrees in Python
توابع چاپ در پایتون
Printing Functions in Python
شما به 75% دست یافته اید>> بیایید پیشرفت شما را جشن بگیریم و به 100% ادامه دهیم>>
You've Achieved 75% >> Let's Celebrate Your Progress And Keep Going To 100% >>
آزمون کد
Code Quiz
مقدمه ای بر NumPy
Introduction to NumPy
فایل های کد این بخش
Code files for this section
انتخاب تصادفی
Random Selection
آرایه تصادفی در پایتون
Random Array in Python
آرایه تصادفی و پراکندگی
Random Array and Scattering
طرح پراکندگی
Scattering Plot
راه اندازی نوت بوک Jupyter و مشکل
Jupyter Notebook Setup and Problem
آرایه تصادفی در پایتون
Random Array in Python
چاپ چندین تابع در پایتون
Printing Several Function in Python
تابع نمایی و لگاریتمی در پایتون
Exponential and Logarithmic Function in Python
مسابقه Matplotlib
Matplotlib Quiz
تجسم داده ها با Matplotlib
Data Visualization with Matplotlib
فایل های کد این بخش
Code files for this section
نمودار خط ساده با Matplotlib
Simple Line Graph with Matplotlib
طرح رنگ با Matplotlib
Color Scheme with Matplotlib
نمودار نقطه و نقطه چین
Dot and Dashed Graph
پراکندگی 1-تجسم داده ها
Scattering 1-Data visualization
برچسب زدن - تجسم داده ها
Labelling-Data Visualization
پردازش رنگ - تجسم داده ها
Color Processing-Data Visualization
آزمون تجسم داده ها
Data Visualization Quiz
Pandas and Seaborn-Library for ML
Pandas and Seaborn-Library for ML
فایل های کد این بخش
Code files for this section
طرح پراکندگی دریازاد
Seaborn Scatter Plot
وارد کردن DataFrame توسط Pandas
Import DataFrame by Pandas
شما 100٪ به دست آورده اید>> بیایید جشن بگیریم! به یاد داشته باشید که گواهی خود را به اشتراک بگذارید!
You've Achieved 100% >> Let's Celebrate! Remember To Share Your Certificate!!
سلام، من پیتر هستم. من پنج فرزند دارم، مدرک دکترا دارم و در اوقات فراغت خود عاشق نجاری هستم. من یک کتاب پرفروش نجاری نوشته ام که الهام بخش هزاران خواننده برای ساخت پروژه های نجاری خودشان است. هدف من الهام بخشیدن به شما برای ایجاد پروژه های کاربردی و شیک برای خانه شما است که همه آنها را دوست خواهند داشت.
همه دوست دارند خلاق باشند و ساختن چیزها با چوب لذت بخش و آسان است. با تجربه بسیار کم می توانید وسایل کاربردی و شیک برای خانه و کودکان خود بسازید. به عنوان یک پدر، نجاری بخشی از سرگرمی است که من با فرزندانمان دارم، زیرا با هم خاطرات خانوادگی را می سازیم. هر یک از پروژه های من داستانی دارد، نه تنها طراحی، بلکه دلیل ساختن و لذتی که به دیگران آموزش می دادم.
مرحوم پدرم عاشق کار با دستانش بود و من خاطرات خوبی از کمک به او در انواع پروژه ها و کارهای DIY در خانه دارم. حتی زمانی که من یک پسر جوان بودم، او با صبر و حوصله مرا در کاری که انجام می داد درگیر می کرد و از هر فرصتی برای آموزش به من در حین کار استفاده می کرد. پدر میتوانست هر چیزی را درست کند و من افتخار میکردم که شاگرد او بودم و ترفندهای حرفهای را یاد میگرفتم، زیرا با پدر و پسر زمان خوبی را با هم سپری میکردیم.
بهترین کارتبازی در محله، ساختهشده توسط پدرم، رانندگی توسط من، مورد تحسین بسیاری!
نمایش نظرات
نظری ارسال نشده است.