در سال 2024 از مبتدی بودن در یادگیری ماشین دست بردارید | پایتون

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• ساختار دوره Course Structure

فرآیند پروژه علم داده، یادگیری ماشین و علم داده چیست؟ What is Data Science, Machine Learning and Data Science Project Process ?

• بیایید شروع کنیم! Let's Begin!

• همه چیز درباره یادگیری ماشینی. بیایید اولین مدل یادگیری ماشینی را بدون کد بسازیم! All about Machine Learning.Let's make first Machine Learning model without code!

• فرآیند پروژه علم داده Data Science Project Process

راه اندازی محیط Environment Setup

• نصب آناکوندا - ویندوز Anaconda Installation - Windows

• نصب آناکوندا - MacOS Anaconda Installation - MacOS

معرفی کیت ابزار: آمار و پانداهای پایتون، numpy، matplotlib و Seaborn Recap Toolkit Intro: Statistics and python pandas, numpy, matplotlib and seaborn Recap

• نوت بوک ها و سایر مطالب دوره را دانلود کنید Download the Notebooks and Other Course Content

• مقدمه آمار پایه Basic Statistics Intro

• معرفی پانداها pandas Intro

• معرفی numpy numpy Intro

• مقدمه matplotlib و seaborn matplotlib and seaborn Intro

پیش پردازش داده ها با پایتون عملی Data Preprocessing with Hands-on Python

• نگاه اول به مجموعه داده ما First Glance to Our Dataset

• خواندن داده ها در پایتون Reading Data into Python

• شناسایی نشت داده ها و از بین بردن نشت Detecting Data Leak and Eliminate the Leakage

• حمل و نقل پوچ Null Handling

• رمزگذاری Encoding

• مهندسی ویژگی در داده های جغرافیایی ما Feature Engineering on Our Geoghraphical Data

الگوریتم های طبقه بندی یادگیری ماشین - همه منطق پشت آنها Machine Learning Classification Algorithms - All the Logic Behind Them

• منطق رگرسیون لجستیک Logistic Regression Logic

• نکات کلیدی رگرسیون لجستیک Logistic Regression Key Takeaways

• منطق طبقه‌بندی‌کننده kNN و نکات کلیدی kNN Classifier Logic and Key Takeaways

• منطق طبقه بندی درخت تصمیم Decision Tree Classifier Logic

• جمع بندی رگرسیون لجستیک، kNN و الگوریتم های درخت تصمیم Logistic Regression, kNN and Decision Tree Algorithms Wrap-up

• چند ناهار ارزان در یادگیری ماشینی وجود دارد There Are Some Inexpensive Lunches in Machine Learning

• منطق طبقه بندی جنگل تصادفی - الگوریتم بسته بندی Random Forest Classifier Logic - Bagging Algorithm

• LightGBM Logic - الگوریتم تقویت LightGBM Logic - Boosting Algorithm

• منطق XGBoost XGBoost Logic

مفاهیم کلی مدلسازی General Modelling Concepts

• ترن تست اسپلیت و Overfit-Underfit Train Test Split and Overfit-Underfit

• بیشتر در مورد مفهوم Overfit-Underfit More on Overfit-Underfit Concept

معیارهای ارزیابی مدل طبقه بندی Classification Model Evaluation Metrics

• معیارهای ارزیابی مدل طبقه بندی Classification Model Evaluation Metrics

طبقه‌بندی‌کننده رگرسیون لجستیک و طبقه‌بندی‌کننده kNN - عملی در پایتون Logistic Regression Classifier and kNN Classifier - Hands-on in Python

• جمع بندی داده ها، جداسازی و تقسیم تست قطار Data Recap, Separation and Train Test Split

• حذف پرت Outlier Elimination

• نگاهی به مجموعه تست با در نظر گرفتن موارد پرت بیندازید Take a Look at the Test Set Considering Outliers

• مقیاس بندی ویژگی ها Feature Scaling

• برچسب‌های قطار را پس از حذف موارد پرت به‌روزرسانی کنید Update the Train Labels After Outlier Elimination

• رگرسیون لجستیک در پایتون Logistic Regression in Python

• طبقه بندی کننده kNN در پایتون kNN Classifier in Python

طبقه‌بندی‌کننده درخت تصمیم و طبقه‌بندی‌کننده جنگل تصادفی - عملی در پایتون Decision Tree Classifier and Random Forest Classifier - Hands-on in Python

• طبقه بندی درخت تصمیم در پایتون Decision Tree Classifier in Python

• طبقه بندی جنگل تصادفی در پایتون Random Forest Classifier in Python

طبقه‌بندی‌کننده LightGBM و طبقه‌بندی‌کننده XGBoost - عملی در پایتون LightGBM Classifier and XGBoost Classifier - Hands-on in Python

• طبقه بندی کننده LightGBM در پایتون LightGBM Classifier in Python

• طبقه بندی XGBoost در پایتون XGBoost Classifier in Python

انتخاب مدل طبقه بندی، اهمیت ویژگی و تحویل نهایی Classification Model Selection, Feature Importance and Final Delivery

• انتخاب مدل طبقه بندی Classification Model Selection

• مفهوم اهمیت ویژگی Feature Importance Concept

• اهمیت ویژگی طبقه‌بندی کننده LightGBM LightGBM Classifier Feature Importance

• آموزش مجدد LightGBM Classifier با ویژگی های برتر LightGBM Classifier Re-train with Top Features

• پیش بینی نهایی برای مشتریان پیوسته Final Prediction for Joined Customers

طبقه بندی چند کلاسه - عملی در پایتون Multi-Class Classification - Hands-on in Python

• توضیح طبقه بندی چند کلاسه MultiClass Classification Explanation

• طبقه بندی چند کلاسه در پایتون MultiClass Classification in Python

مدل های رگرسیون یادگیری ماشین - الگوریتم ها و ارزیابی Machine Learning Regression Models - Algorithms and Evaluation

• رگرسیون مقدمه Regression Introduction

• منطق رگرسیون خطی Linear Regression Logic

• kNN، Decision Tree، Random Forest، LGBM و XGBoost Regressors' Logic kNN, Decision Tree, Random Forest, LGBM and XGBoost Regressors' Logic

• معیارهای ارزیابی مدل رگرسیون Regression Model Evaluation Metrics

مدل‌های رگرسیون در پایتون - مدل‌سازی عملی Regression Models in Python - Hands-on Modelling

• رگرسیون خطی در پایتون Linear Regression in Python

• رگرسیور LightGBM در پایتون LightGBM Regressor in Python

یادگیری بدون نظارت - منطق خوشه بندی و پیاده سازی پایتون Unsupervised Learning - Clustering Logic and Python Implementation

• منطق یادگیری و موارد استفاده بدون نظارت Unsupervised Learning Logic and Use Cases

• K به معنای منطق خوشه بندی است K Means Clustering Logic

• ارزیابی خوشه بندی Evaluation of Clustering

• Scaling را قبل از KMeans انجام دهید Do the Scaling Before KMeans

• KMeans Clustering در پایتون KMeans Clustering in Python

تو موفق شدی! You Made It !

• تبریک! Congratz!