آیا دوست دارید نحوه پیشبینی سریهای زمانی اقتصادی مانند قیمت سهام یا شاخصها را با دقت بالا بیاموزید؟
آیا دوست دارید بدانید چگونه داده های آب و هوا مانند دما و سرعت باد را با چند خط کد پیش بینی کنید؟
آیا دوست دارید ارقام دست نویس را با دقت بیشتری طبقه بندی کنید؟
اگر می گویید بله، پس بیشتر بخوانید ...
در علوم کامپیوتر، هوش مصنوعی (AI)، که گاهی به آن هوش ماشینی میگویند، هوشی است که توسط ماشینها نشان داده میشود، برخلاف هوش طبیعی که توسط انسانها و سایر حیوانات نمایش داده میشود. در این مطلب می خواهید مفاهیم اساسی هوش مصنوعی را با استفاده از Python بیاموزید:
شبکه های عصبی
روش های طبقه بندی
تحلیل رگرسیون
روش های بهینه سازی
_________________________________________________________________________________________________________________
در بخش های اول، دوم، سوم شبکه های عصبی را خواهید آموخت
شما یاد خواهید گرفت که چگونه با استفاده از Keras و LSTM شبکه های عصبی مکرر ایجاد کنید:
یاد خواهید گرفت که چگونه از پایتون و Keras برای پیش بینی قیمت سهام گوگل استفاده کنید.
میدانید چگونه از پایتون و Keras برای پیشبینی دقیق شاخص NASDAQ استفاده کنید.
یاد خواهید گرفت که چگونه از پایتون و Keras برای پیش بینی دمای نیویورک با خطای کم استفاده کنید.
میدانید چگونه از پایتون و Keras برای پیشبینی دقیق سرعت باد نیویورک استفاده کنید.
در بخش بعدی نحوه استفاده از python و MLPclassifier sklearn را برای پیشبینی خروجی مجموعه دادههای مختلف مانند
یاد میگیرید.دروازه های منطقی
مجموعه داده های وسایل نقلیه
مجموعه داده های تولید شده
در بخش سوم می توانید خروجی مجموعه داده های مختلف را با استفاده از کتابخانه Keras مانند
پیش بینی کنیدمجموعه داده های تصادفی
پیش بینی مسافران خطوط هوایی بین المللی
پیش بینی دمای لس آنجلس
_________________________________________________________________________________________________________________
در ادامه خواهید آموخت که چگونه با استفاده از k-نزدیکترین همسایگان، Bayes، ماشین بردار پشتیبان و رگرسیون لجستیک، مجموعههای داده شناخته شده را با دقت بالا طبقهبندی کنید.
در بخش چهارم یاد می گیرید که چگونه از پایتون و k-Nearest Neighbors برای تخمین خروجی سیستم خود استفاده کنید. در این بخش می توانید طبقه بندی کنید:
مجموعه داده پایتون
گلهای IRIS
الگوریتم نزدیکترین همسایگان خود را بسازید
در بخش پنجم یاد می گیرید که چگونه از Bayes و python برای طبقه بندی خروجی سیستم خود با ساختار غیرخطی استفاده کنید. در این بخش می توانید طبقه بندی کنید:
گلهای IRIS
پایگاه داده دیابت هندی پیما
الگوریتم Naive Bayes خود را بسازید
همچنین میتوانید نحوه طبقهبندی مجموعههای داده را بر اساس Machines Vector Support برای پیدا کردن کلاس صحیح برای دادهها و کاهش خطا، بیاموزید. سپس بیشتر بروید میآموزید که چگونه خروجی مدل را با استفاده از رگرسیون لجستیک
طبقهبندی کنید.در بخش ششم یاد می گیرید که چگونه از پایتون برای تخمین خروجی سیستم خود استفاده کنید. در این بخش می توانید خروجی
را تخمین بزنیدمجموعه داده تصادفی
گلهای IRIS
ارقام دست نویس
در بخش هفتم یاد میگیرید که چگونه از پایتون برای طبقهبندی خروجی سیستم خود با ساختار غیرخطی استفاده کنید. در این بخش میتوانید خروجی را تخمین بزنید:
حباب
گلهای IRIS
ارقام دست نویس
_________________________________________________________________________________________________________________
پس از آن، روشهای رگرسیون مانند رگرسیون خطی، چند خطی و چند جملهای را یاد میگیریم.
در بخش هشتم نحوه استفاده از رگرسیون خطی و پایتون برای تخمین خروجی سیستم خود را یاد می گیرید. در این بخش می توانید خروجی:
را تخمین بزنیدشماره تصادفی
دیابت
قیمت خانه بوستون
ساخته شده در مجموعه داده
در بخش نهم، نحوه استفاده از پایتون و رگرسیون چند خطی را برای تخمین خروجی سیستم خود با ورودیهای چند متغیره یاد میگیرید. در این بخش میتوانید خروجی را تخمین بزنید:
دمای جهانی
کل فروش کمپین تبلیغاتی
ساخته شده در مجموعه داده
در بخش دهم یاد می گیرید که چگونه از رگرسیون چند جمله ای پایتون برای تخمین خروجی سیستم خود استفاده کنید. در این بخش می توانید خروجی زیر را تخمین بزنید:
تابع سینوسی غیر خطی
مجموعه داده پایتون
دما و CO2
_________________________________________________________________________________________________________________
در نهایت میخواهم تئوری الگوریتمهای الهامگرفته از زیستشناسی مانند الگوریتم ژنتیک و روش بهینهسازی ازدحام ذرات را به شما یاد بدهم. شما عملگرهای اصلی ژنتیکی مانند متقاطع جهش و انتخاب و نحوه عملکرد آنها را خواهید آموخت. شما مفاهیم اولیه ازدحام ذرات و نحوه کار آنها را یاد خواهید گرفت.
در بخش یازدهم نحوه استفاده از کتابخانه پایتون و دیپ برای حل مسئله بهینهسازی و یافتن نقاط حداقل/حداکثر برای توابع مورد نظر خود با استفاده از الگوریتم ژنتیک را خواهید آموخت.
شما نظریه روش بهینه سازی الگوریتم ژنتیک را خواهید آموخت
میدانید چگونه از python و deap برای بهینهسازی دقیق عملکرد ساده استفاده کنید.
یاد خواهید گرفت که چگونه از پایتون و deap برای یافتن نقطه بهینه تابع مثلثاتی پیچیده استفاده کنید.
میدانید چگونه از python و deap برای حل دقیق مشکل فروشنده مسافرتی (TSP) استفاده کنید.
در بخش دوازدهم بیشتر میرویم، نحوه استفاده از کتابخانه پایتون و دیپ برای حل مسئله بهینهسازی با استفاده از بهینهسازی ازدحام ذرات
تئوری روش بهینهسازی ازدحام ذرات را خواهید آموخت
میدانید چگونه از python و deap برای بهینهسازی دقیق عملکرد ساده استفاده کنید.
یاد خواهید گرفت که چگونه از پایتون و deap برای یافتن نقطه بهینه تابع مثلثاتی پیچیده استفاده کنید.
میدانید چگونه از python و deap برای حل دقیق تابع استاندارد Rastrigin استفاده کنید.
________________________________________________________________________________
اطلاعات مهم قبل از ثبت نام:
در صورتی که دوره را برای حرفه خود بی فایده می بینید، فراموش نکنید که تحت پوشش 30 روز ضمانت بازگشت پول، بازپرداخت کامل، بدون سؤال هستید!
پس از ثبت نام، دسترسی نامحدود و مادام العمر به دوره خواهید داشت!
به هر بهروزرسانی که به دوره اضافه خواهم کرد، دسترسی فوری و رایگان خواهید داشت.
در رابطه با هر گونه مشکل یا پیشنهاد مربوط به دوره، از شما حمایت کامل من را خواهید کرد.
برنامه درسی و سخنرانیهای پیشنمایش رایگان را برای بینش سریع بررسی کنید.
_________________________________________________________________________________
موسیقی از Jukedeck - موسیقی خود را در jukedeck com
ایجاد کنید________________________________________________________________________________
وقت آن است که اقدام کنید!
در حال حاضر روی دکمه "در این دوره شرکت کنید" در بالا کلیک کنید!
.. .زمان را تلف نکن! هر ثانیه از هر روز ارزشمند است ...
من نمی توانم صبر کنم تا شما را در دوره ببینم!
بهترین تقدیرها،
سبحان
توسعه دهنده هوش مصنوعی|مهندس برق (دکتری)|21000+ دانشجو
نمایش نظرات