آموزش پایتون برای علم داده و یادگیری ماشین

Python for Data Science and Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: نحوه استفاده از NumPy، Pandas، Seaborn، Matplotlib، Scikit-Learn، Machine Learning، Tensorflow و موارد دیگر را بیاموزید! استفاده از Python برای علم داده و یادگیری ماشین یادگیری استفاده از پاندا برای تجزیه و تحلیل داده ها آموزش استفاده از Seaborn برای نمودارهای آماری استفاده از SciKit-Learn برای وظایف یادگیری ماشینی پیش نیازها:بدون نیاز به تجربه برنامه نویسی. شما هر آنچه را که نیاز دارید یاد خواهید گرفت

آیا آماده اید تا مسیر خود را برای تبدیل شدن به یک دانشمند داده آغاز کنید!

این دوره راهنمای شما برای یادگیری نحوه استفاده از قدرت پایتون برای تجزیه و تحلیل داده ها، ایجاد تجسم های زیبا و استفاده از الگوریتم های یادگیری ماشینی قدرتمند خواهد بود!

Data Scientist به عنوان شغل شماره یک در Glassdoor رتبه بندی شده است و طبق Indeed میانگین حقوق یک دانشمند داده در ایالات متحده بیش از 120000 دلار است! علم داده یک حرفه پربار است که به شما امکان می دهد برخی از جالب ترین مشکلات جهان را حل کنید!

این دوره جامع با سایر بوت کمپ های Data Science قابل مقایسه است که معمولاً هزاران دلار هزینه دارند، اما اکنون می توانید تمام این اطلاعات را با کسری از هزینه یاد بگیرید!

ما به شما یاد می‌دهیم که چگونه با پایتون برنامه‌نویسی کنید، چگونه تجسم‌های شگفت‌انگیز داده ایجاد کنید، و چگونه از یادگیری ماشین با پایتون استفاده کنید! در اینجا فقط تعدادی از موضوعاتی که خواهیم آموخت:

برنامه نویسی با پایتون

NumPy با پایتون

استفاده از قاب های داده پانداها برای حل کارهای پیچیده

از پانداها برای مدیریت فایل‌های اکسل استفاده کنید

خراش دادن وب با پایتون

پایتون را به SQL وصل کنید

از matplotlib و seaborn برای تجسم داده ها استفاده کنید

آموزش ماشین با SciKit Learn، از جمله:

رگرسیون خطی

K نزدیکترین همسایه ها

درخت تصمیم

جنگل های تصادفی

پردازش زبان طبیعی

پشتیبانی از ماشین‌های بردار

و خیلی، خیلی بیشتر!

در دوره ثبت نام کنید و امروز یک دانشمند داده شوید!


سرفصل ها و درس ها

معرفی Introduction

  • محیط را راه اندازی کنید Setup the Environment

  • چاپ، نظرات Print, comments

  • متغیرها Variables

  • رشته های Strings

  • حسابی Arithmetic

  • عملیات بولی Boolean Operations

  • قسمت بولی 2 Boolean part 2

  • تبدیل نوع داده Datatype Conversion

  • لیست ها Lists

  • تاپل ها Tuples

  • لغت نامه ها Dictionaries

  • تبدیل نوع داده Data Type Conversion

  • کارکرد Functions

  • توابع 2 Functions 2

  • لامبدا Lambda

  • کتابخانه ریاضی Math Library

  • کتابخانه سیستم عامل OS Library

  • اگر بیانیه ها If Statements

  • در حالی که حلقه While loop

  • برای حلقه For Loop

  • برنامه نویسی شی گرا (OOP) Object Oriented Programming (OOP)

  • سازنده Constructor

  • مثال Example

کتابخانه های علوم داده Data Science Libraries

  • ناپخته Numpy

  • عملیات آرایه Array Operation

  • ترشی Pickle

  • پانداها Pandas

  • DataFrame DataFrame

  • DataFrame 2 DataFrame 2

  • نمودار DataFrame plot DataFrame

  • پردازش داده ها Data Processing

  • matplotlib matplotlib

  • چند طرح multi plot

  • نمودار میله ای Bar Chart

  • مثال Example

فراگیری ماشین Machine Learning

  • Scikit Learn Scikit Learn

  • رگرسیون خطی Linear Regression

  • رگرسیون لجستیک Logistic Regression

  • KNN KNN

  • درخت تصمیم Decision Tree

  • جنگل تصادفی Random Forest

  • ماشین بردار پشتیبانی Support Vector Machine

  • معیارهای ارزیابی Evaluation Metrics

شبکه عصبی عمیق (DNN) Deep Neural Network (DNN)

  • جریان تانسور Tensor Flow

  • مدل ساده Simple Model

  • مدل ترتیبی Sequencial Model

  • API جناحی Factional API

  • Factional API 2 Factional API 2

  • زیر کلاس API Subclassing API

شبکه عصبی کانولوشنال (CNN) Convolutional Neural Network (CNN)

  • مقدمه Introdction

  • برچسب زدن Labeling

  • افزایش Augmentation

  • تصاویر طرح plot images

  • مدل را بسازید Build the Model

  • آموزش انتقالی Transfer Learning

اپلیکیشن کامپیوتر ویژن Computer Vision Application

  • برنامه های کاربردی Applications

  • تشخیص چهره شماره 1 Face Recognition #1

  • تشخیص چهره شماره 2 Face Recognition #2

  • تشخیص چهره شماره 3 Face Recognition #3

پردازش زبان طبیعی Natural Language Processing

  • مدلسازی دنباله ای Sequence Modeling

  • ترجمه ماشینی شماره 1 Machine Translation #1

  • ترجمه ماشینی شماره 2 Machine Translation #2

  • ترجمه ماشینی شماره 3 Machine Translation #3

  • ترجمه ماشینی شماره 4 Machine Translation #4

  • چت بات Chatbot

  • شباهت متن شماره 1 Text Similarity #1

  • شباهت متن شماره 2 Text Similarity #2

استقرار مدل Model Deployment

  • TFLite TFLite

  • سرویس مدل TFX TFX Model Serving

نمایش نظرات

آموزش پایتون برای علم داده و یادگیری ماشین
جزییات دوره
17.5 hours
69
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
23,550
4.6 از 5
ندارد
ندارد
ندارد
Hassan Fulaih
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Hassan Fulaih Hassan Fulaih

مهندس زیست پزشکی

من عاشق نوشتن کد هستم و دوست دارم به دیگران آموزش دهم

من همیشه عاشق کدنویسی بودم، عاشق فرو رفتن در مشکلات پیچیده و حل کردن هستم و هنوز فکر می کنم که دیدن یک برنامه یا برنامه ای که از ابتدا ساخته اید واقعاً احساس شگفت انگیزی است

شاید فکر کنید که من برنامه نویسی خواندم و مدرک CS گرفتم - اما نشد! من همیشه کدنویسی را دوست داشتم و این یک سرگرمی عالی بود، اما در واقع زمانی که زمان رفتن به دانشگاه فرا رسید، به سراغ "مهندسی زیست پزشکی" رفتم.

و من پشیمان نیستم! زمان سرگرم کننده ای بود و از همه چیزهایی که در آنجا تدریس می شد لذت بردم. اما بلافاصله پس از برداشتن اولین گام‌هایم در مشاغل معمولی مهندسی زیست پزشکی، برایم کاملاً واضح بود که باید به کدنویسی برگردم. و این کاری است که من انجام دادم.

در واقع، من همیشه زمانی که در دانشگاه بودم به عنوان یک فریلنسر در مشاغل جانبی کار می کردم. و همچنین در آنجا شروع به تدریس به دیگران کردم. من دوست دارم دانش خود را به اشتراک بگذارم و واقعاً معتقدم که همه ما باید تمام تلاش خود را بکنیم تا به همه اجازه دهیم چیزهای جدیدی یاد بگیرند و به اهداف خود برسند.

اکنون، من به حدود 200000 دانش آموز در سراسر جهان آموزش داده ام. من ده ها دوره را منتشر کردم و تمام آن آموزش هایی را که در این صفحه پیدا می کنید دریافت کردم. من بسیار خوشحالم که می بینم همه این محتوا به مردم کمک می کند چیزهایی را که می خواهند بیاموزند :-)