آموزش یادگیری ماشینی عملی: 6 برنامه کاربردی در دنیای واقعی

Machine Learning Practical: 6 Real-World Applications

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشینی - با حل چالش‌های واقعی صنعت با پایتون، دست‌هایتان را کثیف کنید. می‌دانید که پروژه علم داده واقعی چگونه به نظر می‌رسد. می‌توانید این مطالعات موردی را در رزومه خود بگنجانید. در طول مصاحبه علم داده احساس اعتماد به نفس داشته باشید شما یاد خواهید گرفت که چگونه چندین الگوریتم ML را با هم زنجیره بزنید تا به هدف برسید. پیشرفته ترین تکنیک های تجسم داده ها را با Seaborn و Matplotlib یاد خواهید گرفت. رگرسیون لجستیک را یاد خواهید گرفت منظم سازی L1 (کند) را یاد خواهید گرفت. جنگل تصادفی را یاد خواهید گرفت. Classifier پیش نیازها: برای تکمیل این دوره باید Python (آموزش ماشینی سطح A-Z کافی است) را بدانید. شما باید بدانید که چگونه محیط کاری خود را تنظیم کنید (آناکوندا، نوت بوک ژوپیتر، اسپایدر) این نباید اولین دوره یادگیری ماشین شما باشد. شما باید مفاهیم اصلی را درک کنید.

بنابراین، تئوری یادگیری ماشین را می‌دانید و می‌دانید چگونه اولین الگوریتم‌های خود را ایجاد کنید. حالا چی؟

تعداد زیادی دوره در مورد نظریه اساسی یادگیری ماشین وجود دارد که عمیق‌تر نمی‌شوند - به برنامه‌ها.


این دوره یکی از آنها نیست.

آیا آماده‌اید تا تمام تئوری و دانش را در چالش‌های یادگیری ماشینی در زندگی واقعی اعمال کنید؟

سپس به "Machine Learning Practical" خوش آمدید.


ما بهترین متخصصان صنعت را با هزاران پروژه تکمیل شده جمع آوری کردیم.

هر ارائه دهنده سبک منحصر به فردی دارد که با تجربه او مشخص می شود، و مانند دنیای واقعی، اگر می خواهید این دوره را با موفقیت به پایان برسانید، باید آن را تنظیم کنید. ما هیچ کس را پشت سر نمی گذاریم!


این دوره ابهام زدایی می کند که پروژه علم داده واقعی چگونه به نظر می رسد. وقت آن است که از این نمونه های صیقلی که فقط شما را با این موضوع آشنا می کنند، فاصله بگیرید، اما هیچ تجربه واقعی را ارائه نمی دهند.


اگر هنوز به این فکر می‌کنید که یادگیری ماشین را از طریق تمرین کجا بیاموزید، پروژه‌های واقعی را برای رزومه خود در کجا انجام دهید، چگونه در چشم استخدام‌کننده‌ها مانند یک نوبت به نظر نرسید، به جای درستی رسیدید!

>


این دوره یک رویکرد عملی به چالش‌های زندگی واقعی ارائه می‌کند و دقیقاً آنچه را که برای موفقیت در دنیای واقعی علم داده نیاز دارید، پوشش می‌دهد.

مطالعات موردی مهیج ترین وجود دارد از جمله:

●      تشخیص دیابت در مراحل اولیه

●      هدایت مشتریان به محصولات اشتراک با تجزیه و تحلیل استفاده از برنامه

●      به حداقل رساندن نرخ ریزش در امور مالی

●      پیش‌بینی موقعیت مکانی مشتری با داده‌های GPS

●      پیش‌بینی نرخ ارز آتی

●      طبقه بندی مد

●      پیش‌بینی سرطان سینه

●      و خیلی بیشتر!

همه واقعی.

همه درست است.

همه مفید و کاربردی هستند.

و به عنوان جایزه نهایی:

در این دوره، تکنیک های یادگیری عمیق و کاربردهای عملی آنها را نیز پوشش خواهیم داد.

بنابراین همانطور که می بینید، هدف ما در اینجا این است که واقعاً یک دوره آموزشی عملی عملی در جهان را ایجاد کنیم.

اگر هدف شما این است که یک متخصص یادگیری ماشین شوید، می‌دانید که این نمونه‌های واقعی چقدر ارزشمند هستند.

آنها تفاوت بین دانشمندان داده که فقط نظریه را می شناسند و کارشناسان یادگیری ماشینی که دست خود را کثیف کرده اند، مشخص خواهند کرد.

بنابراین اگر می‌خواهید تجربه عملی داشته باشید که می‌توانید آن را به مجموعه خود اضافه کنید، این دوره برای شما مناسب است.

اکنون ثبت نام کنید و شما را در داخل می بینیم.


سرفصل ها و درس ها

معرفی Introduction

  • به دوره خوش آمدید! Welcome to the course!

  • به دوره خوش آمدید! Welcome to the course!

  • مسیرهای یادگیری Learning Paths

  • مسیرهای یادگیری Learning Paths

  • مواد را از کجا تهیه کنیم Where to get the materials

  • نکات مطالعه برای موفقیت Study Tips For Success

  • نکات مطالعه برای موفقیت Study Tips For Success

معرفی Introduction

  • مواد را از کجا تهیه کنیم Where to get the materials

طبقه بندی سرطان سینه Breast Cancer Classification

  • معرفی Introduction

  • چالش کسب و کار Business Challenge

  • چالش در واژگان یادگیری ماشین Challenge in Machine Learning Vocabulary

  • تجسم داده ها Data Visualisation

  • آموزش مدل Model Training

  • آموزش مدل Model Training

  • ارزیابی مدل Model Evaluation

  • بهبود مدل Improving the Model

  • نتیجه Conclusion

  • نتیجه Conclusion

طبقه بندی سرطان سینه Breast Cancer Classification

  • معرفی Introduction

  • نتیجه Conclusion

طبقه بندی کلاس مد Fashion Class Classification

  • چالش کسب و کار Business Challenge

  • چالش کسب و کار Business Challenge

  • چالش در واژگان یادگیری ماشین Challenge in Machine Learning Vocabulary

  • چالش در واژگان یادگیری ماشین Challenge in Machine Learning Vocabulary

  • تجسم داده ها Data Visualisation

  • تجسم داده ها Data Visualisation

  • آموزش مدل قسمت اول Model Training Part I

  • آموزش مدل قسمت اول Model Training Part I

  • آموزش مدل قسمت دوم Model Training Part II

  • آموزش مدل قسمت دوم Model Training Part II

  • آموزش مدل قسمت سوم Model Training Part III

  • آموزش مدل قسمت سوم Model Training Part III

  • آموزش مدل قسمت چهارم Model Training Part IV

  • ارزیابی مدل Model Evaluation

  • ارزیابی مدل Model Evaluation

  • بهبود مدل Improving the Model

  • بهبود مدل Improving the Model

  • نتیجه Conclusion

  • نتیجه Conclusion

طبقه بندی کلاس مد Fashion Class Classification

  • چالش کسب و کار Business Challenge

  • چالش در واژگان یادگیری ماشین Challenge in Machine Learning Vocabulary

  • تجسم داده ها Data Visualisation

  • آموزش مدل قسمت چهارم Model Training Part IV

  • ارزیابی مدل Model Evaluation

  • بهبود مدل Improving the Model

  • نتیجه Conclusion

هدایت مشتریان به اشتراک از طریق تجزیه و تحلیل رفتار برنامه Directing Customers to Subscription Through App Behavior Analysis

  • مقدمه مطالعات موردی فین تک Fintech Case Studies Introduction

  • معرفی Introduction

  • داده ها Data

  • داده ها Data

  • ویژگی های هیستوگرام Features Histograms

  • نمودار همبستگی Correlation Plot

  • ماتریس همبستگی Correlation Matrix

  • مهندسی ویژگی - پاسخ Feature Engineering - Response

  • مهندسی ویژگی - صفحه نمایش Feature Engineering - Screens

  • پیش پردازش داده ها Data Pre-Processing

  • پیش پردازش داده ها Data Pre-Processing

  • ساختمان مدل Model Building

  • نتیجه گیری مدل Model Conclusion

  • اظهارات پایانی Final Remarks

هدایت مشتریان به اشتراک از طریق تجزیه و تحلیل رفتار برنامه Directing Customers to Subscription Through App Behavior Analysis

  • مقدمه مطالعات موردی فین تک Fintech Case Studies Introduction

  • معرفی Introduction

  • داده ها Data

  • نمودار همبستگی Correlation Plot

  • ماتریس همبستگی Correlation Matrix

  • مهندسی ویژگی - پاسخ Feature Engineering - Response

  • مهندسی ویژگی - صفحه نمایش Feature Engineering - Screens

  • ساختمان مدل Model Building

  • اظهارات پایانی Final Remarks

به حداقل رساندن نرخ ریزش از طریق تجزیه و تحلیل عادات مالی Minimizing Churn Rate Through Analysis of Financial Habits

  • معرفی Introduction

  • داده ها Data

  • پاکسازی داده ها Data Cleaning

  • ویژگی های هیستوگرام Features Histograms

  • ویژگی های هیستوگرام Features Histograms

  • توزیع نمودار دایره ای Pie Chart Distributions

  • توزیع نمودار دایره ای Pie Chart Distributions

  • نمودار همبستگی Correlation Plot

  • ماتریس همبستگی Correlation Matrix

  • رمزگذاری یک داغ One-Hot Encoding

  • رمزگذاری یک داغ One-Hot Encoding

  • مقیاس‌بندی و متعادل‌سازی ویژگی Feature Scaling & Balancing

  • ساختمان مدل Model Building

  • ساختمان مدل Model Building

  • K-Fold Cross Validation K-Fold Cross Validation

  • انتخاب ویژگی Feature Selection

  • انتخاب ویژگی Feature Selection

  • نتیجه گیری مدل Model Conclusion

  • اظهارات پایانی Final Remarks

به حداقل رساندن نرخ ریزش از طریق تجزیه و تحلیل عادات مالی Minimizing Churn Rate Through Analysis of Financial Habits

  • داده ها Data

  • پاکسازی داده ها Data Cleaning

  • ویژگی های هیستوگرام Features Histograms

  • ماتریس همبستگی Correlation Matrix

  • مقیاس‌بندی و متعادل‌سازی ویژگی Feature Scaling & Balancing

  • K-Fold Cross Validation K-Fold Cross Validation

  • نتیجه گیری مدل Model Conclusion

  • اظهارات پایانی Final Remarks

پیش بینی احتمال امضای الکترونیکی وام بر اساس تاریخچه مالی Predicting the Likelihood of E-Signing a Loan Based on Financial History

  • معرفی Introduction

  • معرفی Introduction

  • داده ها Data

  • داده ها Data

  • خانه داری داده ها Data Housekeeping

  • هیستوگرام ها Histograms

  • هیستوگرام ها Histograms

  • نمودار همبستگی Correlation Plot

  • نمودار همبستگی Correlation Plot

  • ماتریس همبستگی Correlation Matrix

  • مهندسی ویژگی Feature Engineering

  • مهندسی ویژگی Feature Engineering

  • پیش پردازش داده ها Data Preprocessing

  • مدل ساختمان قسمت 1 Model Building Part 1

  • مدل ساختمان قسمت 2 Model Building Part 2

  • مدل ساختمان قسمت 2 Model Building Part 2

  • جستجوی شبکه قسمت 1 Grid Search Part 1

  • جستجوی شبکه قسمت 1 Grid Search Part 1

  • جستجوی شبکه قسمت 2 Grid Search Part 2

  • نتیجه گیری مدل Model Conclusion

  • نتیجه گیری مدل Model Conclusion

  • اظهارات پایانی Final Remarks

پیش بینی احتمال امضای الکترونیکی وام بر اساس تاریخچه مالی Predicting the Likelihood of E-Signing a Loan Based on Financial History

  • معرفی Introduction

  • داده ها Data

  • خانه داری داده ها Data Housekeeping

  • نمودار همبستگی Correlation Plot

  • ماتریس همبستگی Correlation Matrix

  • پیش پردازش داده ها Data Preprocessing

  • مدل ساختمان قسمت 1 Model Building Part 1

  • جستجوی شبکه قسمت 2 Grid Search Part 2

  • نتیجه گیری مدل Model Conclusion

  • اظهارات پایانی Final Remarks

تشخیص تقلب در کارت اعتباری Credit Card Fraud Detection

  • مطالعه موردی Case Study

  • واژگان یادگیری ماشینی Machine Learning Vocabulary

  • برپایی Set Up

  • برپایی Set Up

  • تجسم داده ها Data Visualization

  • تجسم داده ها Data Visualization

  • پیش پردازش داده ها Data Preprocessing

  • یادگیری عمیق قسمت 1 Deep Learning Part 1

  • یادگیری عمیق قسمت 2 Deep Learning Part 2

  • تقسیم داده ها Splitting the Data

  • آموزش Training

  • آموزش Training

  • معیارهای Metrics

  • ماتریس سردرگمی Confusion Matrix

  • ماتریس سردرگمی Confusion Matrix

  • طبقه بندی کننده های یادگیری ماشین Machine Learning Classifiers

  • جنگل تصادفی Random Forest

  • درختان تصمیم Decision Trees

  • درختان تصمیم Decision Trees

  • نمونه برداری Sampling

  • کم نمونه گیری Undersampling

  • کم نمونه گیری Undersampling

  • اسموت Smote

  • اسموت Smote

  • اظهارات پایانی Final remarks

  • با تشکر از شما ویدئو THANK YOU Video

  • با تشکر از شما ویدئو THANK YOU Video

تشخیص تقلب در کارت اعتباری Credit Card Fraud Detection

  • مطالعه موردی Case Study

  • واژگان یادگیری ماشینی Machine Learning Vocabulary

  • پیش پردازش داده ها Data Preprocessing

  • یادگیری عمیق قسمت 1 Deep Learning Part 1

  • یادگیری عمیق قسمت 2 Deep Learning Part 2

  • تقسیم داده ها Splitting the Data

  • معیارهای Metrics

  • طبقه بندی کننده های یادگیری ماشین Machine Learning Classifiers

  • جنگل تصادفی Random Forest

  • نمونه برداری Sampling

  • اظهارات پایانی Final remarks

پیشنهاد ویژه Special Offer

  • ***پاداش ویژه شما*** ***YOUR SPECIAL BONUS***

  • ***پاداش ویژه شما*** ***YOUR SPECIAL BONUS***

پیشنهاد ویژه Special Offer

نمایش نظرات

آموزش یادگیری ماشینی عملی: 6 برنامه کاربردی در دنیای واقعی
جزییات دوره
8.5 hours
82
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
19,910
4.4 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dr. Ryan Ahmed, Ph.D., MBA Dr. Ryan Ahmed, Ph.D., MBA

استاد و پرفروش ترین مربی Udemy ، دانشجویان 100K + رایان احمد مربی پرفروش Udemy است که علاقه زیادی به آموزش و فناوری دارد. ماموریت رایان این است که آموزش با کیفیت را برای همه قابل دسترسی و مقرون به صرفه کند. رایان دکترای خود را دارد. مدرک مهندسی مکانیک از دانشگاه مک مستر * ، با تمرکز بر مکاترونیک و کنترل وسایل نقلیه الکتریکی (EV). وی همچنین با تمرکز بر هوش مصنوعی (AI) و تشخیص خطا و MBA در امور مالی از دانشکده بازرگانی DeGroote ، مدرک کارشناسی ارشد علمی کاربردی را از مک مستر دریافت کرد. رایان چندین سمت مهندسی در شرکتهای Fortune 500 در سطح جهان مانند سامسونگ آمریکا و فیات-کرایسلر اتومبیل (FCA) کانادا داشت. رایان چندین دوره در زمینه علوم ، فناوری ، مهندسی و ریاضیات را به بیش از 100000 دانشجو در سطح جهان آموزش داده است. وی بیش از 15 مقاله تحقیقاتی در زمینه مجلات و کنفرانس ها در زمینه تخمین وضعیت ، هوش مصنوعی ، یادگیری ماشین ، مدل سازی باتری و کنترل های EV دارد. وی دریافت کننده بهترین جایزه مقاله در کنفرانس برق و حمل و نقل IEEE حمل و نقل (iTEC 2012) در دیترویت ، میشیگان ، ایالات متحده آمریکا است.

SuperDataScience Team SuperDataScience Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم SuperDataScience Social هستیم. هنگام انتشار دوره های جدید SDS ، هنگامی که پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و سایر موارد را منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در SuperDataScience

Ligency Team Ligency Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم روابط عمومی و بازاریابی Ligence هستیم. هنگامی که دوره های جدید منتشر می شوند ، وقتی پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و غیره منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در معرض خطر

Rony Sulca Rony Sulca

تحلیلگر ارشد محصول در Influur