یادگیری ماشین: آموزش الگوریتم جنگل تصادفی (Random Forest) با پایتون از صفر - آخرین آپدیت

مقدمه‌ای بر دوره Introduction to the Course

• معرفی و مدرس Introduction and Instructor

• هدف و انگیزه دوره Motivation for the Course

• گذشته، حال و آینده یادگیری ماشین Past, Present, and Future of Machine Learning

• مرور کلی دوره Course Overview

آشنایی با پایتون Introduction to Python

• سلام دنیا (Hello World) Hello World

• آشنایی با انواع داده‌ها Introduction to Data Types

• اعداد Numbers

• رشته‌ها Strings

• تاپل‌ها Tuples

• لیست‌ها Lists

• مجموعه‌ها Sets

• دیکشنری‌ها Dictionaries

• عملگرهای مقایسه‌ای Comparison Operators

• عملگرهای منطقی، ورودی کاربر و بازی Logical Operators, User Input, Game

• تصمیم‌گیری (if, else, elif) Decision Making (if, else, elif)

• تصمیم‌گیری (if تو در تو) Decision Making (nested if)

• بهترین روش‌های کدنویسی و تکمیل بازی Better Coding Practice, Completing the Game

• حلقه For For Loop

• حلقه While While Loop

• توابع ساده Simple Functions

• توابع Boolean و توابع بازگرداننده مقدار Boolean and Value Returning Function

• پروژه ساخت ماشین حساب Calculator Project

مقدمه‌ای بر یادگیری ماشین Introduction to Machine Learning

• معرفی یادگیری ماشین Let's Introduce Machine Learning

• مقایسه یادگیری کودکان و کامپیوتر Kids versus Computer Learning

• مجموعه داده (Dataset) Dataset

• برچسب‌ها و ویژگی‌ها Labels and Features

• داده‌های پرت (Outliers) Outliers

• مدل و آموزش Model and Training

• بیش‌برازش و کم‌برازش (Overfitting & Underfitting) Overfitting and Underfitting

• دقت و خطا Accuracy and Error

• فرمت‌های داده Formats of Data

• انواع یادگیری Types of Learning

• تفاوت طبقه‌بندی و رگرسیون Classification versus Regression

• خوشه‌بندی (Clustering) Clustering

• مرور کلی و جریان پروژه یادگیری ماشین Recap, Flow of Machine Learning Project

جنگل تصادفی گام به گام Random Forest Step-by-Step

• مقدمه و انگیزه Introduction and Motivation

• نحوه عملکرد درخت تصمیم و جنگل تصادفی How Decision Trees and Random Forest Work

• مزایا و معایب جنگل تصادفی Pros and Cons of Random Forest

• معرفی پروژه نهایی Introduction to the Final Project

• استفاده از NumPy برای جنگل تصادفی Using NumPy for Random Forest

• استفاده از Pandas برای جنگل تصادفی (بخش اول) Using Pandas for Random Forest (1)

• استفاده از Pandas برای جنگل تصادفی (بخش دوم) Using Pandas for Random Forest (2)

• خواندن و دستکاری مجموعه‌داده Reading and Manipulating Dataset

• استفاده از Matplotlib برای بصری‌سازی داده‌ها (بخش اول) Using Matplotlib for Data Visualization (1)

• استفاده از Matplotlib برای بصری‌سازی داده‌ها (بخش دوم) Using Matplotlib for Data Visualization (2)

• مدیریت مقادیر گم‌شده Dealing with Missing Values

• حذف داده‌های پرت Outliers Removal

• تبدیل داده‌های طبقه‌بندی شده به عددی Categorical to Numeric Conversion

• پیاده‌سازی سریع مدل جنگل تصادفی Quick Implementation of Random Forest Model

• اهمیت ویژگی‌ها Feature Importance

• بازگشتی (Recursion) Recursion

• ساختار Structure

• وارد کردن داده‌ها و توابع کمکی Importing Data, Helper Functions

• پرسش و افراز (Partition) Question and Partition

• ناخالصی (Impurity) Impurity

• بهره اطلاعاتی (Information Gain) Information Gain

• بهترین تقسیم Best Slip

• گره برگ و گره تصمیم Leaf and Decision Node

• چگونگی ساخت یک درخت How to Build a Tree

• نحوه طبقه‌بندی How to Classify

• دقت و خطا Accuracy and Error

جمع‌بندی Conclusion

• نکات پایانی و جمع‌بندی Concluding remarks