آموزش یادگیری ماشین کاربردی و بهینه‌سازی مدل - آخرین آپدیت

مقدمه‌ای بر یادگیری ماشین Introduction to Machine Learning

• مقدمه‌ای بر هفته اول: آشنایی با یادگیری ماشین Introduction to Week 5 Introduction to Machine Learning

• روز اول: مبانی و اصطلاحات یادگیری ماشین Day 1: Machine Learning Basics and Terminology

• روز دوم: مقدمه‌ای بر یادگیری نظارت شده و مدل‌های رگرسیون Day 2: Introduction to Supervised Learning and Regression Models

• روز سوم: مدل‌های رگرسیون پیشرفته – رگرسیون چندجمله‌ای و منظم‌سازی Day 3: Advanced Regression Models – Polynomial Regression and Regularization

• روز چهارم: مقدمه‌ای بر طبقه‌بندی و رگرسیون لجستیک Day 4: Introduction to Classification and Logistic Regression

• روز پنجم: ارزیابی مدل و اعتبارسنجی متقابل Day 5: Model Evaluation and Cross-Validation

• روز ششم: الگوریتم k-نزدیک‌ترین همسایه (kNN) Day 6: k-Nearest Neighbors (k-NN) Algorithm

• روز هفتم: مینی-پروژه یادگیری نظارت شده Day 7: Supervised Learning Mini Project

مهندسی ویژگی و ارزیابی مدل Feature Engineering and Model Evaluation

• مقدمه‌ای بر هفته دوم: مهندسی ویژگی و ارزیابی مدل Introduction to Week 6 Feature Engineering and Model Evaluation

• روز اول: مقدمه‌ای بر مهندسی ویژگی Day 1: Introduction to Feature Engineering

• روز دوم: مقیاس‌بندی و نرمال‌سازی داده‌ها Day 2: Data Scaling and Normalization

• روز سوم: کدگذاری متغیرهای دسته‌ای (Categorical Variables) Day 3: Encoding Categorical Variables

• روز چهارم: تکنیک‌های انتخاب ویژگی Day 4: Feature Selection Techniques

• روز پنجم: ایجاد و تبدیل ویژگی‌ها Day 5: Creating and Transforming Features

• روز ششم: تکنیک‌های ارزیابی مدل Day 6: Model Evaluation Techniques

• روز هفتم: اعتبارسنجی متقابل و تنظیم هایپرپارامترها Day 7: Cross-Validation and Hyperparameter Tuning

الگوریتم‌های پیشرفته یادگیری ماشین Advanced Machine Learning Algorithms

• مقدمه‌ای بر هفته سوم: الگوریتم‌های پیشرفته یادگیری ماشین Introduction to Week 7 Advanced Machine Learning Algorithms

• روز اول: مقدمه‌ای بر یادگیری جمعی (Ensemble Learning) Day 1: Introduction to Ensemble Learning

• روز دوم: بگینگ (Bagging) و جنگل‌های تصادفی (Random Forests) Day 2: Bagging and Random Forests

• روز سوم: بوستینگ (Boosting) و گرادینت بوستینگ Day 3: Boosting and Gradient Boosting

• روز چهارم: مقدمه‌ای بر XGBoost Day 4: Introduction to XGBoost

• روز پنجم: LightGBM و CatBoost Day 5: LightGBM and CatBoost

• روز ششم: مدیریت داده‌های نامتوازن Day 6: Handling Imbalanced Data

• روز هفتم: پروژه یادگیری جمعی – مقایسه مدل‌ها روی مجموعه داده واقعی Day 7: Ensemble Learning Project – Comparing Models on a Real Dataset

تنظیم و بهینه‌سازی مدل Model Tuning and Optimization

• مقدمه‌ای بر هفته چهارم: تنظیم و بهینه‌سازی مدل Introduction to Week 8 Model Tuning and Optimization

• روز اول: مقدمه‌ای بر تنظیم هایپرپارامترها Day 1: Introduction to Hyperparameter Tuning

• روز دوم: جستجوی شبکه‌ای (Grid Search) و جستجوی تصادفی (Random Search) Day 2: Grid Search and Random Search

• روز سوم: تنظیم پیشرفته هایپرپارامترها با بهینه‌سازی بیزی (Bayesian Optimization) Day 3: Advanced Hyperparameter Tuning with Bayesian Optimization

• روز چهارم: تکنیک‌های منظم‌سازی برای بهینه‌سازی مدل Day 4: Regularization Techniques for Model Optimization

• روز پنجم: تکنیک‌های اعتبارسنجی متقابل و ارزیابی مدل Day 5: Cross-Validation and Model Evaluation Techniques

• روز ششم: تنظیم خودکار هایپرپارامترها با GridSearchCV و RandomizedSearchCV Day 6: Automated Hyperparameter Tuning with GridSearchCV and RandomizedSearchCV

• روز هفتم: پروژه بهینه‌سازی – ساخت و تنظیم مدل نهایی Day 7: Optimization Project – Building and Tuning a Final Model

پروژه‌های سطح متوسط Intermediate Projects

• روز پنجاه: اپلیکیشن داشبورد هواشناسی Day 50: Weather Dashboard App

• روز پنجاه و یک: ردیاب هزینه‌ها Day 51: Expense Tracker

• روز پنجاه و دو: ابزار سازمان‌دهنده فایل‌ها Day 52: File Organizer Tool

• روز پنجاه و سه: بازی دوز (Tic Tac Toe) Day 53: Tic-Tac-Toe Game

• روز پنجاه و چهار: چت‌بات کوچک Day 54: Mini Chatbot

• روز پنجاه و پنج: سازمان‌دهنده لیست پخش موسیقی Day 55: Music Playlist Organizer

• روز پنجاه و شش: برنامه‌ریز بودجه شخصی Day 56: Personal Budget Planner

• روز پنجاه و هفت: تولیدکننده هنر ASCII Day 57: ASCII Art Generator

• روز پنجاه و هشت: تایمر پومودورو Day 58: Pomodoro Timer

• روز پنجاه و نه: تبدیل‌کننده Markdown به HTML Day 59: Markdown to HTML Converter

• روز شصت: اپلیکیشن دفترچه خاطرات شخصی Day 60: Personal Diary App

پروژه‌های پیشرفته متوسط Advanced Intermediate Projects

• روز شصت و یک: استخراج‌کننده داده‌های شبکه‌های اجتماعی (Scraper) Day 61: Social Media Scraper

• روز شصت و دو: ابزار پشتیبان‌گیری خودکار Day 62: Automated Backup Tool

• روز شصت و سه: سیستم پیشنهاد فیلم Day 63: Movie Recommendation System

• روز شصت و چهار: ابزار ادغام PDF Day 64: PDF Merger Tool

• روز شصت و پنج: بک‌اند وب‌سایت پورتفولیو Day 65: Portfolio Website Backend

• روز شصت و شش: اپلیکیشن یادگیری با فلش‌کارت Day 66: Flashcards Learning App

• روز شصت و هفت: داشبورد بازار سهام Day 67: Stock Market Dashboard

• روز شصت و هشت: زمان‌بند وظایف (Task Scheduler) Day 68: Task Scheduler

• روز شصت و نه: تبدیل‌کننده ارز Day 69: Currency Converter

• روز هفتاد: اپلیکیشن بصری‌ساز داده‌ها Day 70: Data Visualizer App

الگوریتم‌های یادگیری ماشین و پیاده‌سازی در پایتون Machine Learning Algorithms and Implementation in Python

• مقدمه‌ای بر الگوریتم‌های یادگیری ماشین و پیاده‌سازی در پایتون Introduction to Machine Learning Algorithms and Implementation in Python

• ۱. الگوریتم‌های یادگیری نظارت شده: پیاده‌سازی رگرسیون خطی 1. Supervised Learning Algorithms: Linear Regression Implementation

• ۲. الگوریتم‌های یادگیری نظارت شده: پیاده‌سازی رگرسیون Ridge و Lasso 2. Supervised Learning Algorithms: Ridge and Lasso Regression Implementation

• ۳. الگوریتم‌های یادگیری نظارت شده: پیاده‌سازی رگرسیون چندجمله‌ای 3. Supervised Learning Algorithms: Polynomial Regression Implementation

• ۴. الگوریتم‌های یادگیری نظارت شده: پیاده‌سازی رگرسیون لجستیک 4. Supervised Learning Algorithms: Logistic Regression Implementation

• ۵. الگوریتم‌های یادگیری نظارت شده: پیاده‌سازی k-نزدیک‌ترین همسایه (KNN) 5. Supervised Learning Algorithms: K-Nearest Neighbors (KNN) Implementation

• ۶. الگوریتم‌های یادگیری نظارت شده: پیاده‌سازی ماشین بردار پشتیبان (SVM) 6. Supervised Learning Algorithms: Support Vector Machines (SVM) Implementation

• ۷. الگوریتم‌های یادگیری نظارت شده: پیاده‌سازی درخت‌های تصمیم 7. Supervised Learning Algorithms: Decision Trees Implementation

• ۸. الگوریتم‌های یادگیری نظارت شده: پیاده‌سازی جنگل‌های تصادفی 8. Supervised Learning Algorithms: Random Forests Implementation

• ۹. الگوریتم‌های یادگیری نظارت شده: پیاده‌سازی گرادینت بوستینگ 9. Supervised Learning Algorithms: Gradient Boosting Implementation

• ۱۰. الگوریتم‌های یادگیری نظارت شده: پیاده‌سازی Naive Bayes 10. Supervised Learning Algorithms: Naive Bayes Implementation

• ۱۱. الگوریتم‌های یادگیری بدون نظارت: پیاده‌سازی خوشه‌بندی K-Means 11. Unsupervised Learning Algorithms: K-Means Clustering Implementation

• ۱۲. الگوریتم‌های یادگیری بدون نظارت: پیاده‌سازی خوشه‌بندی سلسله‌مراتبی 12. Unsupervised Learning Algorithms: Hierarchical Clustering Implementation

• ۱۳. الگوریتم‌های یادگیری بدون نظارت: DBSCAN 13. Unsupervised Learning Algorithms: DBSCAN

• ۱۴. الگوریتم‌های یادگیری بدون نظارت: مدل‌های مخلوط گاوسی (GMM) 14. Unsupervised Learning Algorithms: Gaussian Mixture Models (GMM)

• ۱۵. الگوریتم‌های یادگیری بدون نظارت: تحلیل مؤلفه‌های اصلی (PCA) 15. Unsupervised Learning Algorithms: Principal Component Analysis (PCA)

• ۱۶. الگوریتم‌های یادگیری بدون نظارت: t-SNE 16. Unsupervised Learning Algorithms: t-Distributed Stochastic Neighbor Embedding

• ۱۷. الگوریتم‌های یادگیری بدون نظارت: پیاده‌سازی Autoencoders 17. Unsupervised Learning Algorithms: Autoencoders Implementation

• ۱۸. پیاده‌سازی Self Training 18. Self-Training Implementation

• ۱۹. پیاده‌سازی Q-Learning 19. Q-Learning Implementation

• ۲۰. پیاده‌سازی شبکه‌های عمیق Q (DQN) 20. Deep Q-Networks (DQN) Implementation

• ۲۱. پیاده‌سازی متدهای Policy Gradient 21. Policy Gradient Methods Implementation

• ۲۲. پیاده‌سازی One Class SVM 22. One-Class SVM Implementation

• ۲۳. پیاده‌سازی Isolation Forest 23. Isolation Forest Implementation

• ۲۴. پیاده‌سازی شبکه‌های عصبی پیچشی (CNNs) 24. Convolutional Neural Networks (CNNs) Implementation

• ۲۵. پیاده‌سازی شبکه‌های عصبی بازگشتی (RNNs) 25. Recurrent Neural Networks (RNNs) Implementation

• ۲۶. پیاده‌سازی حافظه طولانی کوتاه‌مدت (LSTM) 26. Long Short-Term Memory (LSTM) Implementation

• ۲۷. پیاده‌سازی ترنسفورمرها (Transformers) 27. Transformers Implementation