لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ChatGPT: یادگیری ماشینی (AI) با استفاده از ChatGPT
ChatGPT: Master Machine Learning (AI) using ChatGPT
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
یادگیری علم داده، یادگیری ماشین و تکنیکهای یادگیری عمیق در پایتون با استفاده از قدرت ChatGPT به مفاهیم و ابزارهای اساسی علم داده، از جمله برنامهنویسی پایتون، تجسم دادهها و تجزیه و تحلیل آماری تسلط پیدا میکند. تجربه عملی را با کتابخانه های علوم داده محبوب مانند NumPy، Pandas، Matplotlib و Seaborn به دست آورید. مفاهیم رگرسیون خطی و لجستیک، درخت های تصمیم گیری و جنگل های تصادفی را برای کارهای پیش بینی و طبقه بندی درک و به کار ببرید. تکنیک های یادگیری بدون نظارت مانند خوشه بندی و کاهش ابعاد را بیاموزید. روش های پیشرفته در NLP و یادگیری عمیق را بیاموزید. مفاهیم و تکنیک های تحلیل و پیش بینی سری های زمانی را درک کنید. ساخت سیستم های توصیه و خراش وب. یادگیری تقویتی و رباتیک را بیاموزید. مهارت های جدید خود را در پروژه های دنیای واقعی و موارد استفاده به کار ببرید. برای تبدیل شدن به یک دانشمند داده یا تحلیلگر داده، به مهارت هایی مجهز باشید. یک پایه قوی برای پیگیری موضوعات پیشرفته در یادگیری ماشین و هوش مصنوعی بدست آورید. پاکسازی، کاوش و تجسم داده ها را برای کشف الگوها و بینش ها بیاموزید. پیش نیازها:اکانت Active ChatGPT آشنایی اولیه با مفاهیم برنامه نویسی. آشنایی با مفاهیم پایه ریاضی مانند احتمال و آمار. درک مفاهیم اساسی جبر خطی و حساب دیفرانسیل و انتگرال مفید خواهد بود اما ضروری نیست. آشنایی با مفاهیم پایه علوم کامپیوتر مانند ساختار داده ها و الگوریتم ها مفید است اما ضروری نیست. مقداری دانش از یادگیری ماشین مفید است اما ضروری نیست.
این دوره برای آشنایی کامل با دنیای علم داده با استفاده از ChatGPT طراحی شده است. شما مفاهیم و ابزارهای اساسی علم داده از جمله برنامه نویسی پایتون، تجسم داده ها و تجزیه و تحلیل آماری را خواهید آموخت. در طول دوره، تجربه عملی با کتابخانههای معروف علم داده مانند NumPy، Pandas، Matplotlib و Seaborn کسب خواهید کرد.
ما رگرسیون خطی و لجستیک، درختهای تصمیمگیری و جنگلهای تصادفی را برای کارهای پیشبینی و طبقهبندی پوشش خواهیم داد.
علاوه بر این، تکنیک های یادگیری بدون نظارت مانند خوشه بندی و کاهش ابعاد را خواهید آموخت. ما همچنین روش های پیشرفته در NLP و یادگیری عمیق را پوشش خواهیم داد.
شما مفاهیم و تکنیک های تحلیل و پیش بینی سری های زمانی را یاد خواهید گرفت. همچنین سیستمهای توصیه ساختمان و اسکراپینگ وب را پوشش خواهیم داد.
ما همچنین آموزش تقویتی و رباتیک را پوشش خواهیم داد.
در طول دوره، مهارتهای جدید خود را در پروژههای دنیای واقعی و موارد استفاده به کار خواهید برد. در پایان دوره، شما به مهارتهایی مجهز میشوید که میتوانید یک دانشمند داده یا تحلیلگر داده شوید و پایهای قوی برای پیگیری موضوعات پیشرفته در یادگیری ماشین و هوش مصنوعی خواهید داشت.
این دوره برای طیف وسیعی از یادگیرندگان، از جمله دانشمندان و تحلیلگران مشتاق داده، متخصصان با پیشینه های مختلف که می خواهند علم داده را برای تجزیه و تحلیل داده ها و تصمیم گیری های مبتنی بر داده یاد بگیرند، دانش آموزانی که در حال تحصیل در علوم کامپیوتر، ریاضیات، آمار هستند، در نظر گرفته شده است. یا رشتههای مرتبطی که میخواهند درک عمیقتری از علم داده به دست آورند، کارآفرینان و صاحبان کسبوکارهای کوچک که میخواهند بینشی از دادهها برای بهبود کسبوکار خود کسب کنند، متخصصان فناوری اطلاعات که میخواهند مهارتهای علم داده را به مجموعه ابزار خود اضافه کنند، محققان و دانشگاهیان که میخواهند تجزیه و تحلیل داده ها برای حمایت از تحقیقات خود و هر کسی که علاقه مند به درک اصول علم داده، یادگیری ماشین و هوش مصنوعی است.
سرفصل ها و درس ها
معرفی دوره
Course Introduction
نگاهی اجمالی به معلم و تشویق یادگیری هوش مصنوعی
A glimpse of the teracher and the Encouraging of learning AI
حساب OpenAI را ثبت کنید و از ChatGPT استفاده کنید
Register OpenAI account and start using ChatGPT
شما با اطمینان در چه موضوعاتی آگاه هستید؟
What topics are you confidently knowledgeable in?
گیجی
Perplexity
مقدمه ای بر علم داده و پایتون
Introduction to Data Science and Python
مقدمه ای بر پایتون
Intro to Python
لیست ها
lists
چندتایی
tuple
فرهنگ لغت
dictionary
تابع محدوده
range function
خ
str
مجتمع
complex
با استفاده از پایتون و پاندا، مجموعه داده انتخابی خود را کاوش و تجزیه و تحلیل کنید
Explore and analyze a dataset of your choice using Python and Pandas
رگرسیون خطی
Linear Regression
رگرسیون خطی (نمایش کلی ریاضی)
Linear regression (Math Overview)
ساخت یک مدل رگرسیون خطی برای پیش بینی قیمت مسکن
Build a linear regression model to predict housing prices
درختان تصمیم و جنگل تصادفی
Decision Trees and Random Forest
پیاده سازی یک الگوریتم درخت تصمیم برای طبقه بندی گل های زنبق
Implement a decision tree algorithm to classify iris flowers
از Random Forest برای طبقه بندی اینکه آیا وام بانکی نکول می شود یا خیر، استفاده کنید
Use Random Forest to classify whether a bank loan will default or not
یادگیری بدون نظارت
Unsupervised Learning
از الگوریتم خوشه بندی K-means برای تقسیم بندی مشتریان با رفتار خرید استفاده کنید
Use K-means clustering algorithm to segment customers by purchasing behavior
افزایش گرادیان
Gradient Boosting
یک مدل تقویت گرادیان برای تشخیص ناهنجاری در ترافیک شبکه بسازید
Build a gradient boosting model for anomaly detection in network traffic
پردازش زبان طبیعی (NLP)
Natural Language Processing (NLP)
از تکنیک های پردازش زبان طبیعی برای تجزیه و تحلیل احساسات در مجموعه ای از فیلم ها استفاده کنید
Use natural language processing techniques to analyze sentiment in a set of movi
یادگیری عمیق
Deep Learning
ایجاد یک شبکه عصبی برای طبقه بندی تصاویر ارقام دست نویس
Create a neural network to classify images of handwritten digits
از DL برای ایجاد مدلی استفاده کنید که بتواند متن جدیدی تولید کند
Use DL to create a model that can generate new text
یک مدل یادگیری عمیق برای تقسیم بندی تصویر ایجاد کنید
Create a deep learning model for image segmentation
سری زمانی و پیش بینی
Time series and Forecasting
یک مدل پیشبینی سری زمانی برای پیشبینی قیمت سهام بسازید
Build a time series forecasting model to predict stock prices
سیستم توصیهگر
Recommender Systems
یک سیستم توصیه برای پیشنهاد محصولات به خریداران آنلاین بسازید
Build a recommendation system to suggest products to online shoppers
Web Scraping و Big Data
Web Scraping and Big Data
برای جمعآوری دادهها از اینترنت، یک اسکریپت اسکرپینگ وب ایجاد کنید
Create a web scraping script to collect data from the internet
استقرار مدل یادگیری ماشین
Machine Learning Model Deployment
مدل MobileNetV2 را با استفاده از gradio در وب مستقر کنید
Deploy MobileNetV2 model to the web using gradio
نمایش نظرات