آموزش پیش نیازهای یادگیری عمیق: پشته Numpy در پایتون (V2+)

سرفصل ها و درس ها

خوش آمدید و لجستیک Welcome and Logistics

• مقدمه و طرح کلی Introduction and Outline

• در این دوره چه چیزی یاد خواهید گرفت؟ What will you learn in this course?

• چه سطحی از یادگیری ماشینی در این دوره آموزش داده می شود؟ What level of machine learning is taught in this course?

• چگونه آموخته های خود را در این دوره تمرین خواهید کرد؟ How will you practice what you learned in this course?

• منابع اضافی Extra Resources

Numpy (جدید) Numpy (New)

• معرفی بخش Numpy Numpy Section Introduction

• آرایه ها در مقابل لیست ها Arrays vs Lists

• محصول نقطه ای Dot Product

• تست سرعت Speed Test

• ماتریس ها Matrices

• حل سیستم های خطی Solving Linear Systems

• تولید داده ها Generating Data

• تمرین بی حسی Numpy Exercise

• کجا بیشتر بدانید Numpy Where to Learn More Numpy

• صندوق پیشنهادات Suggestion Box

Matplotlib (جدید) Matplotlib (New)

• مقدمه بخش Matplotlib Matplotlib Section Introduction

• نمودار خطی Line Chart

• طرح پراکنده Scatterplot

• هیستوگرام Histogram

• ترسیم تصاویر Plotting Images

• تمرین Matplotlib Matplotlib Exercise

• کجا بیشتر بدانیم Matplotlib Where to Learn More Matplotlib

پانداها (جدید) Pandas (New)

• معرفی بخش پانداها Pandas Section Introduction

• در حال بارگذاری در داده ها Loading in Data

• انتخاب سطر و ستون Selecting Rows and Columns

• تابع apply(). The apply() Function

• نقشه کشیدن با پانداها Plotting with Pandas

• ورزش پانداها Pandas Exercise

• پانداها کجا بیشتر بیاموزیم Where to Learn More Pandas

Scipy (جدید) Scipy (New)

• مقدمه بخش Scipy Scipy Section Introduction

• PDF و CDF PDF and CDF

• پیچیدگی Convolution

• ورزش Scipy Scipy Exercise

• Scipy از کجا بیشتر بیاموزیم Where to Learn More Scipy

تمرینات پاداش Bonus Exercises

• تمرینات بیشتر More Exercises

عیب یابی مبتدی Beginner Troubleshooting

• اگر پیش نیازهای ریاضی را نداشته باشم چه؟ What if I don't meet the math prerequisites?

مبانی یادگیری ماشین Machine Learning Basics

• یادگیری ماشینی: بخش مقدمه Machine Learning: Section Introduction

• طبقه بندی چیست؟ What is Classification?

• طبقه بندی در کد Classification in Code

• رگرسیون چیست؟ What is Regression?

• رگرسیون در کد Regression in Code

• وکتور ویژگی چیست What is a Feature Vector

• یادگیری ماشین چیزی جز هندسه نیست Machine Learning is Nothing but Geometry

• همه داده ها یکسان هستند All Data is the Same

• مقایسه مدل های مختلف یادگیری ماشین Comparing Different Machine Learning Models

• یادگیری ماشین و یادگیری عمیق: موضوعات آینده Machine Learning and Deep Learning: Future Topics

• خلاصه بخش یادگیری ماشین Machine Learning Section Summary

تنظیم محیط شما (سؤالات متداول بر اساس درخواست دانشجو) Setting Up Your Environment (FAQ by Student Request)

• تنظیم محیط آناکوندا Anaconda Environment Setup

• نحوه نصب Numpy، Scipy، Matplotlib، Pandas، IPython، Theano و TensorFlow How to install Numpy, Scipy, Matplotlib, Pandas, IPython, Theano, and TensorFlow

کمک اضافی برای کدنویسی پایتون برای مبتدیان (سؤالات متداول بر اساس درخواست دانشجو) Extra Help With Python Coding for Beginners (FAQ by Student Request)

• پایتون 2 در مقابل پایتون 3 Python 2 vs Python 3

• اثبات اینکه استفاده از نوت بوک Jupyter همان استفاده نکردن از آن است Proof that using Jupyter Notebook is the same as not using it

استراتژی‌های یادگیری مؤثر برای یادگیری ماشین (سؤالات متداول بر اساس درخواست دانشجو) Effective Learning Strategies for Machine Learning (FAQ by Student Request)

• نقشه راه پیش نیاز یادگیری ماشین و هوش مصنوعی (نقطه 1) Machine Learning and AI Prerequisite Roadmap (pt 1)

• نقشه راه پیش نیاز یادگیری ماشین و هوش مصنوعی (نقطه 2) Machine Learning and AI Prerequisite Roadmap (pt 2)

ضمیمه/پرسش و پاسخ نهایی Appendix / FAQ Finale

• جایزه BONUS