آموزش هوش مصنوعی با پایتون: پیاده‌سازی و اجرای مدل‌های یادگیری ماشین - آخرین آپدیت

مبانی هوش مصنوعی با پایتون Foundations of AI with Python

• معرفی دوره Introduction to Course

• پایتون برای هوش مصنوعی Python for AI

• یادگیری ماشین چیست What is Machin Learning

• تلاش‌های پردازش داده Data Processing Effort

• مفهوم بایاس (Bias) چیست What is Meaning of Bias

• توازن بین بایاس و واریانس Bias vs Variance Tradeoff

• تکامل مدل Model Evolution

• کتابخانه Scikit Learn Scikit Learn

مدیریت داده‌ها و مدل‌های یادگیری ماشین Data Handling and Machine Learning Models

• بارگذاری داده‌ها Loading the Data

• بررسی بصری‌سازی Checking the Visualization

• پیش‌بینی Predict

• مقادیر داده‌ها Data Values

• اعمال کاهش ابعاد Applying Dimensionality Reduction

• انتخاب مدل Model Selection

• طبقه‌بندی‌کننده همسایگی (Neighbors) Neighbors Classifier

• دقت طبقه‌بندی‌کننده Accuracy of Classifier

• تمرین عملی طبقه‌بندی ML ML Classification Hindson

• تحلیل آماری مجموعه‌داده Statistical Analysis of the Dataset

• وارد کردن Label Encoder Import Label Encoder

• امتیاز دقت (Accuracy Score) Accuracy Score

• تعداد خوشه‌ها Number of Clusters

یادگیری عمیق و کاربردهای عملی هوش مصنوعی Deep Learning and Practical AI Applications

• پرسپترون چندلایه Multilayer Perceptron

• ادامه پرسپترون چندلایه Multilayer Perceptron Continued

• متدهای چندگانه Multiple Method

• کتابخانه‌های Keras, PyTorch و Tensorflow Keras-Pytorch and Tensorflow

• کار با Jupyter Notebook Working on Jupyter Notebook

• طبقه‌بندی دوتایی (Binary Classification) Binary Classification

• استفاده از تیترهای Markdown Use Markdown Headings

• کتابخانه Pyplot Pyplot