لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پروژه نهایی یادگیری ماشین (Machine Learning Capstone)
- آخرین آپدیت
دانلود Machine Learning Capstone
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره جامع پروژه نهایی یادگیری ماشین، شما از کتابخانههای مختلف پایتون مانند Pandas، sci-kit-learn و Tensorflow/Keras استفاده خواهید کرد. هدف این دوره، بهکارگیری مهارتهای یادگیری ماشین و اثبات تسلط شما در این حوزه است. پیش از شروع این دوره، باید تمامی دورههای قبلی در گواهینامه حرفهای یادگیری ماشین IBM را تکمیل کرده باشید.
در این مسیر، شما یاد میگیرید که چگونه یک سیستم توصیهگر (Recommender System) بسازید، مجموعهدادههای مرتبط با دورهها را تحلیل کنید، شباهت کسینوسی (Cosine Similarity) را محاسبه نمایید و یک ماتریس شباهت ایجاد کنید. علاوه بر این، با استفاده از دانش خود در زمینه KNN، PCA و فیلترینگ مشارکتی ماتریس غیرمنفی، سیستمهای توصیهگر پیشرفتهای را طراحی خواهید کرد.
در نهایت، شما نتایج کار خود را با همکلاسیها به اشتراک گذاشته و از طریق ارزیابی متقابل، تجربهای یادگیری تعاملی و مشارکتی را تجربه خواهید کرد.
سرفصل ها و درس ها
بررسی کلی پروژه نهایی یادگیری ماشین
Machine Learning Capstone Overview
مقدمهای بر پروژه نهایی یادگیری ماشین
Introduction to Machine Learning Capstone
آشنایی با سیستمهای توصیهگر
Introduction to Recommender Systems
سیستم توصیهگر بر پایه یادگیری بدون نظارت
Unsupervised-Learning Based Recommender System
سیستمهای توصیهگر مبتنی بر محتوا
Content-based Recommender Systems
سیستمهای توصیهگر بر پایه یادگیری با نظارت
Supervised-Learning Based Recommender Systems
سیستمهای توصیهگر مبتنی بر فیلترینگ مشارکتی
Collaborative Filtering-Based Recommender Systems
اشتراکگذاری و ارائه سیستمهای توصیهگر
Share and Present Your Recommender Systems
عناصر یک گزارش موفق از یافتههای دادهای
Elements Of A Successful Data Findings Report
بهترین روشها برای ارائه یافتهها
Best Practices For Presenting Your Findings
نمایش نظرات