آموزش پروژه های یادگیری ماشین و یادگیری عمیق در پایتون

Machine Learning and Deep Learning Projects in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: 20 پروژه کاربردی یادگیری ماشینی و یادگیری عمیق و پیاده سازی آنها در پایتون به همراه تمامی کدها معرفی ساختار یادگیری ماشینی و یادگیری عمیق و کاربرد آنها در مسائل واقعی معرفی الگوریتم های یادگیری ماشینی و یادگیری عمیق و راه اندازی آنها در پروژه های پیاده سازی یادگیری ماشینی و یادگیری عمیق الگوریتم های یادگیری عمیق در پایتون آشنایی با نحو پایتون برای استفاده از یادگیری ماشین و یادگیری عمیق آشنایی با مدل های پیش بینی آماده سازی داده ها و تجسم برای استفاده در یادگیری ماشینی و الگوریتم های یادگیری عمیق استفاده از مطالعات موردی در پروژه ها آموزش نحوه استفاده از API ها برای جمع آوری به روز داده ها و یادگیری در مورد مجموعه داده های مختلف معرفی و استفاده از کتابخانه های مختلف یادگیری ماشین و یادگیری عمیق در پایتون آشنایی با شبکه های عصبی مختلف و استفاده از آنها در پروژه های واقعی پردازش تصویر با استفاده از شبکه عصبی مصنوعی (ANN) در پایتون طبقه بندی با شبکه های عصبی با استفاده از پایتون آشنایی با پردازش زبان طبیعی (NLP) و استفاده از آن در پروژه ها پیش بینی میزان فروش، قیمت محصول، قیمت فروش و .... معرفی و استفاده از معیارهای اعتبارسنجی الگوریتم مانند: ماتریس سردرگمی، امتیاز دقت، امتیاز دقیق، امتیاز یادآوری، امتیاز F1 و ... +40 Cheat Sheets of Data Science، Machine Learning، Deep Learning و Python پیش نیازها:Basic Python

یادگیری ماشین و یادگیری عمیق با ایجاد امکان توسعه سیستم‌های هوشمندی که قادر به تصمیم‌گیری و پیش‌بینی آگاهانه هستند، صنایع مختلف را متحول کرده است. این فناوری‌ها در طیف گسترده‌ای از پروژه‌های دنیای واقعی به کار گرفته شده‌اند و نحوه عملکرد کسب‌وکارها را تغییر داده و نتایج را در حوزه‌های مختلف بهبود می‌بخشند.

در این آموزش سعی شده است تا پس از آشنایی اولیه با یادگیری ماشینی و یادگیری عمیق، کاربرد آنها در برخی از مشکلات و پروژه های واقعی (که اکثرا پروژه های پرطرفدار و پرکاربرد هستند) به مخاطب آموزش داده شود.

>

همچنین تمامی کدنویسی و پیاده سازی مدل ها در پایتون انجام می شود که علاوه بر یادگیری ماشینی، مهارت دانش آموزان در زبان پایتون نیز افزایش می یابد و در آن مهارت بیشتری پیدا می کنند.

در این دوره، دانش آموزان با برخی از الگوریتم های یادگیری ماشینی و یادگیری عمیق مانند رگرسیون لجستیک، چند جمله ای Naive Bayes، Gaussian Naive Bayes، SGDClassifier و ... و مدل های مختلف آشنا می شوند. همچنین، آنها از شبکه های عصبی مصنوعی برای مدل سازی برای انجام پروژه ها استفاده خواهند کرد.

استفاده از مجموعه داده‌های موثر در زمینه‌های مختلف، آماده‌سازی و پیش‌پردازش داده‌ها، تجسم نتایج، استفاده از معیارهای اعتبارسنجی، روش‌های مختلف پیش‌بینی، پردازش تصویر، تجزیه و تحلیل داده‌ها و تحلیل آماری از دیگر بخش‌های این دوره است. p>

یادگیری ماشینی و یادگیری عمیق تأثیری دگرگون کننده در بسیاری از صنایع به ارمغان آورده است و باعث ایجاد سیستم های هوشمند با توانایی تصمیم گیری آگاهانه و پیش بینی های دقیق شده است. این فناوری‌های نوآورانه در مجموعه‌ای از پروژه‌های دنیای واقعی به کار گرفته شده‌اند، که چشم‌انداز عملیاتی کسب‌وکارها را تغییر می‌دهد و نتایج بهتری را در حوزه‌های مختلف به ارمغان می‌آورد.

در این دوره آموزشی، هدف اصلی انتقال دانش به مخاطب با فرض درک اساسی از یادگیری ماشین و مفاهیم یادگیری عمیق است. سپس تمرکز به کاربردهای عملی آنها در پرداختن به چالش‌های دنیای واقعی و انجام پروژه‌ها، که بسیاری از آنها به طور گسترده در این زمینه شناخته شده و مورد استفاده قرار می‌گیرند، تغییر می‌کند.

علاوه بر این، کل کدنویسی و پیاده سازی مدل ها با استفاده از زبان برنامه نویسی پایتون انجام می شود. این رویکرد دوگانه نه تنها درک دانش آموزان از یادگیری ماشین را عمیق تر می کند، بلکه به مهارت آنها در خود زبان پایتون نیز کمک می کند.

برنامه درسی این دوره شامل معرفی چندین الگوریتم اساسی یادگیری ماشین و یادگیری عمیق است، از جمله رگرسیون لجستیک، چند جمله ای ساده بیز، بیز ساده گوسی، SGDClassifier، و برخی از الگوریتم های دیگر در کنار معماری مدل های متنوع. به عنوان یک مؤلفه محوری این دوره، دانشجویان به استفاده از شبکه های عصبی مصنوعی برای مدل سازی می پردازند، که به عنوان سنگ بنای اجرای پروژه های مختلف عمل می کند.

استفاده جامع از مجموعه داده‌های مرتبط که دامنه‌های مختلف را در بر می‌گیرد، همراه با تکنیک‌های آماده‌سازی و پیش پردازش جامع داده، اولویت دارد. دانش‌آموزان به مهارت‌های تجسم و تفسیر مؤثر نتایج، به کارگیری معیارهای اعتبارسنجی، کاوش روش‌های پیش‌بینی متنوع، شرکت در پردازش تصویر، و انجام تجزیه و تحلیل داده‌ها و تجزیه و تحلیل آماری مجهز هستند. این جنبه ها در مجموع چشم انداز چندوجهی تحت پوشش این دوره را تشکیل می دهند.

و در پایان بیش از 40 شیت تقلب کامل و کاربردی در زمینه علم داده، یادگیری ماشین، یادگیری عمیق و پایتون در اختیار شما قرار گرفته است.


سرفصل ها و درس ها

معرفی Introduction

  • مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

پیش بینی نکات پیشخدمت با یادگیری ماشینی Waiter Tips Prediction with Machine Learning

  • الزامات Requirements

  • پیش بینی نکات پیشخدمت با یادگیری ماشینی Waiter Tips Prediction with Machine Learning

  • کدها Codes

پیش بینی فروش آینده با یادگیری ماشینی Future Sales Prediction with Machine Learning

  • الزامات Requirements

  • پیش بینی فروش آینده با یادگیری ماشینی Future Sales Prediction with Machine Learning

  • کدها Codes

پیش بینی قیمت ارز دیجیتال با یادگیری ماشینی Cryptocurrency Price Prediction with Machine Learning

  • پیش بینی قیمت ارز دیجیتال برای 30 روز آینده Cryptocurrency Price Prediction for the next 30 days

  • کدها Codes

پیش بینی قیمت سهام با شبکه عصبی LSTM Stock Price Prediction with LSTM Neural Network

  • پیش بینی قیمت سهام با شبکه عصبی LSTM Stock Price Prediction with LSTM Neural Network

  • کدها Codes

طبقه بندی تصاویر با شبکه های عصبی Image Classification with Neural Networks

  • الزامات Requirements

  • طبقه بندی تصاویر با شبکه های عصبی Image Classification with Neural Networks

  • کدها Codes

الگوریتم یادگیری ماشین را تجسم کنید Visualize a Machine Learning Algorithm

  • الزامات Requirements

  • الگوریتم یادگیری ماشین را تجسم کنید Visualize a Machine Learning Algorithm

  • کدها Codes

تجزیه و تحلیل دسترسی اینستاگرام با یادگیری ماشینی Instagram Reach Analysis with Machine Learning

  • الزامات Requirements

  • تجزیه و تحلیل دسترسی اینستاگرام با یادگیری ماشینی Instagram Reach Analysis with Machine Learning

  • کدها Codes

طبقه بندی قیمت موبایل با یادگیری ماشینی Mobile Price Classification with Machine Learning

  • الزامات Requirements

  • طبقه بندی قیمت موبایل با یادگیری ماشینی Mobile Price Classification with Machine Learning

  • کدها Codes

پیش بینی قیمت طلا با یادگیری ماشینی Gold Price Prediction with Machine Learning

  • پیش بینی قیمت طلا با یادگیری ماشینی Gold Price Prediction with Machine Learning

  • کدها Codes

ترجمه زبان با یادگیری ماشینی Language Translation with Machine Learning

  • الزامات Requirements

  • ترجمه زبان با یادگیری ماشینی Language Translation with Machine Learning

  • کدها Codes

تجزیه و تحلیل احساسات واکسن کووید-19 Covid-19 Vaccine Sentiment Analysis

  • الزامات Requirements

  • تجزیه و تحلیل احساسات واکسن کووید-19 Covid-19 Vaccine Sentiment Analysis

  • کدها Codes

سیستم پیشنهاد هتل با پردازش زبان طبیعی (NLP) Hotel Recommendation System with Natural Language Processing (NLP)

  • الزامات Requirements

  • سیستم توصیه هتل با NLP Hotel Recommendation System with NLP

  • کدها Codes

تشخیص هرزنامه ایمیل با پردازش زبان طبیعی (NLP) Email Spam Detection with Natural Language Processing (NLP)

  • الزامات Requirements

  • تشخیص هرزنامه ایمیل با NLP Email Spam Detection with NLP

  • کدها Codes

تقویت داده ها در مدل یادگیری عمیق و شبکه های عصبی Data Augmentation in Deep Learning and Neural Networks model

  • الزامات Requirements

  • تقویت داده ها در مدل یادگیری عمیق و شبکه های عصبی Data Augmentation in Deep Learning and Neural Networks model

  • کدها Codes

طرح تصویر به مداد Image to Pencil Sketch

  • الزامات Requirements

  • طرح تصویر به مداد Image to Pencil Sketch

  • کدها Codes

تشخیص گفتار نفرت با یادگیری ماشینی Hate Speech Detection with Machine Learning

  • الزامات Requirements

  • مدل تشخیص گفتار نفرت Hate Speech Detection Model

  • کدها Codes

تشخیص هرزنامه پیامک با یادگیری ماشینی SMS Spam Detection with Machine Learning

  • الزامات Requirements

  • تشخیص هرزنامه پیامک با یادگیری ماشینی SMS Spam Detection with Machine Learning

  • کدها Codes

از سرگیری غربالگری با یادگیری ماشینی Resume Screening with Machine Learning

  • الزامات Requirements

  • از سرگیری غربالگری با یادگیری ماشینی Resume Screening with Machine Learning

  • کدها Codes

تشخیص تقلب در کارت اعتباری با یادگیری ماشینی Credit Card Fraud Detection with Machine Learning

  • الزامات Requirements

  • تشخیص تقلب در کارت اعتباری با یادگیری ماشینی Credit Card Fraud Detection with Machine Learning

  • کدها Codes

تجزیه و تحلیل ویدیوهای پرطرفدار YouTube YouTube Trending Videos Analysis

  • الزامات Requirements

  • تجزیه و تحلیل ویدیوهای پرطرفدار YouTube YouTube Trending Videos Analysis

  • کدها Codes

برگه تقلب Cheat Sheet

  • برگه های تقلب علم داده، یادگیری ماشین، یادگیری عمیق و پایتون Data Science, Machine Learning, Deep Learning, and Python Cheat Sheets

نمایش نظرات

نظری ارسال نشده است.

آموزش پروژه های یادگیری ماشین و یادگیری عمیق در پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
5.5 hours
59
Udemy (یودمی) udemy-small
04 مهر 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
6,120
4.3 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.