آموزش ساخت پروژه های هوش مصنوعی یادگیری ماشینی و یادگیری عمیق

سرفصل ها و درس ها

Project_1 - Flight_Fare_Prediction Project_1 - Flight_Fare_Prediction

• مقدمه ای بر تعریف مسئله و EDA Introduction to Problem Definition and EDA

• مهندسی ویژگی و بکارگیری مدل های کلاسیک ML Feature Engineering and Applying Classical ML Models

• مدل را با Flask Framework اجرا کنید Deploy the Model with Flask Framework

پروژه_2_طبقه بندی قارچ Project_2_Mushroom Classification

• مقدمه ای بر طبقه بندی و تجزیه و تحلیل داده های اکتشافی Introduction to Classification and Exploratory Data Analysis

• ساخت مدل معیار و ارزیابی Building The Benchmark Model and Evaluation

Project_3_NurserySchool_Application_Classification Project_3_NurserySchool_Application_Classification

• مقدمه ای بر مهد کودک و EDA Introduction to NurserySchool and EDA

• رگرسیون لجستیک، SVM، مدل‌های درخت تصمیم و معیارهای ارزیابی Logistic Regression, SVM, Decision Tree Models & Evaluation metrics

Project_4_Toxic_Comments_Classification Project_4_Toxic_Comments_Classification

• مقدمه ای بر نظرات سمی و EDA Introduction to Toxic Comments and EDA

• NLP - توالی های توکن شده برای تجسم NLP - Tokenized Sequences for Visualization

• اصلاح مدل - بهینه سازی NB، SVM، LR با وزن ویژگی Model Refinement - Optimize NB,SVM,LR with Feature Weight

Project_5_UK_Road_Accident_Timeseries_Forecasting Project_5_UK_Road_Accident_Timeseries_Forecasting

• مقدمه ای بر تصادفات جاده ای انگلستان و EDA Introduction to UK Road Accidents and EDA

• پیش بینی نرخ تصادفات بریتانیا بر اساس تعداد تلفات در SARIMA، FbP، LSTM Forecast UK Accident rates based on Number of Casualties on SARIMA,FbP,LSTM's