آموزش یادگیری بدون نظارت کاربردی در پایتون - آخرین آپدیت

روش‌های پایه یادگیری بدون نظارت Basic Unsupervised Learning Methods

• خوش‌آمدگویی به دوره یادگیری بدون نظارت کاربردی در پایتون Welcome to Applied Unsupervised Learning in Python

• کاهش ابعاد: یک معرفی کوتاه Dimensionality Reduction: A Brief Introduction

• کاهش ابعاد با انتخاب ویژگی: بهره اطلاعاتی (Information Gain) Dimensionality Reduction with Feature Selection: Information Gain

• کاهش ابعاد با انتخاب ویژگی: تحلیل مؤلفه‌های اصلی (PCA) به زبان ساده Dimensionality Reduction with Feature Selection: Principal Component Analysis (PCA) Explained

• بصری‌سازی نتایج PCA: مبانی Visualizing PCA Results: Foundations

• بصری‌سازی نتایج PCA: نمودارهای Biplots و نمودارهای واریانس Visualizing PCA Results: Biplots and Variance Plots

• تجزیه مقدار تکین (SVD) Singular Value Decomposition (SVD)

• کاربردهای SVD در علوم داده Applications of SVD in Data Science

• یادگیری منیفولد: مقیاس‌بندی چندبعدی (بخش اول) Manifold Learning: Multidimensional Scaling (Part 1)

• یادگیری منیفولد: مقیاس‌بندی چندبعدی (بخش دوم) Manifold Learning: Multidimensional Scaling (Part 2)

• یادگیری منیفولد: جاسازی همسایگی تصادفی توزیع t (t-SNE) Manifold Learning: t-Distributed Stochastic Neighbor Embedding (t-SNE)

• یادگیری منیفولد: تقریب و تصویرسازی منیفولد یکنواخت (UMAP) Manifold Learning: Uniform Manifold Approximation and Projection (UMAP)

• تخمین چگالی بخش اول: توابع چگالی احتمال Density Estimation Part 1: Probability Density Functions

• تخمین چگالی بخش اول: تخمین‌گرهای چگالی پارامتریک در مقابل غیرپارامتریک Density Estimation Part 1: Parametric vs. Non-Parametric Density Estimator

• تخمین چگالی بخش دوم: تخمین‌گرهای چگالی محلی Density Estimation Part 2: Local Density Estimators

• تخمین چگالی بخش دوم: تخمین‌گرهای چگالی هسته (KDE) Density Estimation Part 2: Kernel Density Estimators

• تخمین چگالی بخش دوم: ارزیابی تخمین‌گرهای چگالی Density Estimation Part 2: Evaluating Density Estimators

• تخمین چگالی بخش سوم: تخمین‌گرهای چگالی محلی و مدل‌های مخلوط گوسی (GMMs) Density Estimation Part 3: Local Density Estimators and Gaussian Mixture Models (GMMs)

خوشه‌بندی Clustering

• معرفی کوتاهی بر خوشه‌بندی (بخش اول) A Brief Introduction to Clustering (Part 1)

• معرفی کوتاهی بر خوشه‌بندی (بخش دوم) A Brief Introduction to Clustering (Part 2)

• خوشه‌بندی سلسله‌مراتبی بخش اول: معرفی Hierarchical Clustering Part 1: Introduction

• خوشه‌بندی سلسله‌مراتبی بخش دوم: روش وارد (Ward's Method) Hierarchical Clustering Part 2: Ward's Method

• خوشه‌بندی سلسله‌مراتبی بخش دوم: دندروگرام‌ها Hierarchical Clustering Part 2: Dendograms

• معرفی الگوریتم K-means Introduction to K-means

• پیاده‌سازی عملی K-means Applying K-means in Practice

• خوشه‌بندی DBSCAN DBSCAN Clustering

• ارزیابی کیفیت خوشه‌ها (بخش اول) Evaluating Cluster Quality (Part 1)

• ارزیابی کیفیت خوشه‌ها (بخش دوم) Evaluating Cluster Quality (Part 2)

روش‌های بدون نظارت برای تحلیل متن Unsupervised Methods for Text Analysis

• نحوه نمایش متن به صورت بردار: یک گردش‌کار معمولی How to Represent Text as a Vector: A Typical Workflow

• پردازش متن در SciKit Learn Text Processing in SciKit-Learn

• معرفی مدل‌سازی موضوعی (Topic Modeling) Introduction to Topic Modeling

• تخصیص دیریکله نهفته (LDA) Latent Dirichlet Allocation (LDA)

• استفاده از LDA با Scikit Learn Using LDA with Scikit-Learn

• تجزیه ماتریس غیرمنفی (NMF) Non-Negative Matrix Factorization (NMF)

• تکنیک جاسازی کلمات شماره ۱: Word2vec Word Embeddings Technique #1: Word2vec

• تکنیک جاسازی کلمات شماره ۲: Glove Word Embeddings Technique #2: Glove

کاربردها و گونه‌های یادگیری بدون نظارت Applications and Variants of Unsupervised Learning

• به‌کارگیری یادگیری بدون نظارت در وظایف یادگیری با نظارت Applying Unsupervised Learning to Supervised Learning Tasks

• جایگذاری داده‌های گمشده (Imputation) Imputation of Missing Data

• جایگذاری داده‌ها با Scikit Learn Imputation with Scikit-Learn

• معرفی کوتاهی بر یادگیری نیمه‌نظارتی A Brief Introduction to Semi-Supervised Learning

• انتشار برچسب با Scikit Learn Label propagation with scikit-learn

• معرفی کوتاهی بر یادگیری خودنظارتی A Brief Introduction to Self-Supervised Learning

• جمع‌بندی دوره Course Conclusion