آموزش یادگیری ماشینی با پایتون

سرفصل ها و درس ها

یادگیری ماشین با پایتون 2023 Machine Learning With Python 2023

• مقدمه دوره Introduction to Course

• یادگیری ماشین چیست What is Machine Learning

• چرخه زندگی Life Cycle

• آشنایی با کتابخانه Numpy Introduction to Numpy Library

• ایجاد آرایه از ابتدا Creating Arrays from Scratch

• ایجاد آرایه ها از ابتدا ادامه دارد Creating Arrays from Scratch Continued

• نمایه سازی و برش آرایه Array Indexing and Slicing

• توابع آرایه Numpy و اصلاح شکل Numpy Array Functions and Shape Modification

• عملیات ریاضی روی آرایه های Numpy Mathematical Operations on Numpy Arrays

• آشنایی با کتابخانه پانداها Introduction to Pandas Library

• کار با Pandas DataFrames Working with Pandas DataFrames

• برش و نمایه سازی با پانداها Slicing and Indexing with Pandas

• DataFrame ایجاد کنید و مجموعه داده را کاوش کنید Create DataFrame and Explore Dataset

• تجزیه و تحلیل داده ها با Pandas DataFrame Data Analysis with Pandas DataFrame

• سایر روش های مفید در کتابخانه پانداها Other Useful Methods in Pandas Library

• مقدمه ای بر Matplotlib Introduction to Matplotlib

• سفارشی کردن خطوط خط Customizing Line Plots

• با استفاده از DataFrame پلات ایجاد کنید Create Plot Using DataFrame

• مقیاس‌کننده استاندارد برای مقیاس‌بندی داده‌ها Standard Scaler to Scale the Data

• رمزگذاری داده های طبقه بندی شده Encoding Categorical Data

• ترانسفورماتور خط لوله و ستون Sklearn Sklearn Pipeline and Column Transformer

• معیارهای ارزیابی در Sklearn Evaluation Metrics in Sklearn

• رگرسیون خطی Linear Regression

• ارزیابی مدل رگرسیون خطی Evaluation of Linear Regression Model

• رگرسیون چند جمله ای Polynomial Regression

• رگرسیون چند جمله ای ادامه دارد Polynomial Regression Continued

• رگرسیون چند جمله ای خط لوله Sklearn Sklearn Pipeline Polynomial Regression

• طبقه بندی درخت تصمیم Decision Tree Classifier

• ارزیابی درخت تصمیم Decision Tree Evaluation

• جنگل تصادفی Random Forest

• ماشین‌های بردار پشتیبانی Support Vector Machines

• Kmeans Clustering Kmeans Clustering

• KMeans Clustering - Hands On KMeans Clustering - Hands On

• بارگذاری و تجزیه و تحلیل داده ها Data Loading and Analysis

• کاهش ابعاد با PCA Dimensionality Reduction with PCA

• تنظیم بیش از حد پارامتر Hyper Parameter Tuning

• خلاصه Summary

یادگیری ماشینی با مطالعه موردی پایتون - آشکارساز ماسک Covid19 Machine Learning with Python Case Study - Covid19 Mask Detector

• مقدمه دوره Introduction to Course

• آماده شدن سیستم Getting System Ready

• خواندن و نوشتن تصاویر Read and Write Images

• تغییر اندازه و برش Resize and Crop

• کار با Shapes Working with Shapes

• کار با متن Working with Text

• پیش نیاز تشخیص چهره Pre-Requisite for Face Detection

• تشخیص چهره Detect the Face

• مقدمه ای بر یادگیری عمیق با تنسورفلو Introduction to Deep Learning with Tensorflow

• ساختمان مدل Model Building

• آموزش آشکارساز ماسک Training the Mask Detector

• ذخیره بهترین مدل Saving the Best Model

• طراحی پایه جلویی برنامه Basic Front End Design of App

• رابط آپلود فایل برای برنامه File Upload Interface for App

• آماده سازی برنامه App Prep

• ساخت اپلیکیشن و تست App Build and Testing

• استقرار AWS AWS Deployment

• استقرار AWS ادامه دارد AWS Deployment Continued

مطالعه موردی پایتون یادگیری ماشینی - پیش‌بینی دیابت Machine Learning Python Case Study - Diabetes Prediction

• مقدمه ای بر دیابت هندی پیما با استفاده از یادگیری ماشینی Introduction to Pima Indians Diabetes Using Machine Learning

• نصب آناکوندا Installation of Anaconda

• نصب و راه اندازی کتابخانه ها Installation of Libraries

• مراحل یادگیری ماشین Steps in Machine Learning

• مجموعه داده و رگرسیون لجستیک Dataset and Logistic Regression

• طبقه بندی پیما Pima Classification

• سربرگ را حذف کنید Exclude the Header

• تبدیل رشته به عدد Conversion of String into Number

• مجموعه داده را تقسیم کنید Split the Dataset

• ROC را بررسی کنید Check the ROC