آموزش پایتون برای هوش مصنوعی و یادگیری ماشین - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• خوش‌آمدگویی و overview دوره Welcome and course overview

• هوش مصنوعی چیست؟ What is Artificial Intelligence?

• یادگیری ماشین چیست؟ What is Machine Learning?

• چرا پایتون بهترین انتخاب برای AI و ML است؟ Why Python is the Top Choice for AI & Machine Learning?

• نصب و راه‌اندازی پایتون Setting up Python

• آماده‌سازی محیط پایتون برای AI/ML Setting up your Python environment for AI/ML

• نصب و اجرای Jupyter Notebook Installing and Running Jupyter Notebook.

• مقدمه Introduction

مبانی برنامه‌نویسی پایتون Python Programming Fundamentals

• پایه‌های پایتون: متغیرها، انواع داده‌ها و عملگرها Python basics: Variables, data types, and operators

• کنترل جریان: دستورات If، حلقه‌ها و مدیریت استثناها Control flow: If statements, loops, and exceptions

• توابع در پایتون Functions in Python.

• ماژول‌ها در پایتون Modules in Python.

• کار با لیست‌ها، دیکشنری‌ها و مجموعه‌ها برای پردازش داده Working with lists, dictionaries, and sets for data processing.

• مبانی برنامه‌نویسی پایتون Python Programming Fundamentals

مدیریت داده‌ها با Pandas و NumPy Data Handling with Pandas and NumPy

• مقدمه‌ای بر NumPy برای محاسبات عددی Introduction to NumPy for numerical computing.

• کار با فایل‌ها در پایتون File Handling in Python

• مدیریت دایرکتوری‌ها در پایتون Managing Directories in Python

• دستکاری داده‌ها با Pandas: دیتا‌فریم‌ها، فیلتر کردن و ادغام Data manipulation with Pandas: DataFrames, filtering, and merging.

• وارد کردن و پاک‌سازی مجموعه‌داده‌ها در Jupyter با Pandas Import and Clean Datasets in Jupyter Notebook with Pandas

• NumPy و دستکاری داده‌ها با Pandas NumPy and Data Manipulation with Pandas

بصری‌سازی داده‌ها با Matplotlib و Seaborn Data Visualization with Matplotlib and Seaborn

• رسم نمودارها با Matplotlib: خطی، پراکندگی و ستونی Creating plots with Matplotlib: Line, scatter, and bar charts.

• بصری‌سازی پیشرفته با Seaborn: Heatmapها و Box plotها Advanced visualizations with Seaborn: Heatmaps, pair plots, and box plots.

• بصری‌سازی عملکرد مدل‌های ML Visualizing ML Model Performance

• بصری‌سازی داده‌ها با Matplotlib و Seaborn Data Visualization with Matplotlib and Seaborn

آشنایی با یادگیری ماشین با Scikit Learn Introduction to Machine Learning with Scikit-Learn

• تکنیک‌های پیشرفته یادگیری ماشین برای طبقه‌بندی داده‌های مصنوعی Advanced Machine Learning Techniques for Classifying Synthetic Data

• ارزیابی مدل‌ها: دقت، Precision، Recall و اعتبارسنجی متقابل Evaluating models: Accuracy, precision, recall, and cross-validation.

• بهینه‌سازی هایپرپارامترها با Grid Search و Random Search Hyperparameter Tuning with Grid Search and Random Search in Python

• مقدمه‌ای بر ML Introduction to ML

یادگیری عمیق با TensorFlow و PyTorch Deep Learning with TensorFlow and PyTorch

• شبکه‌های عصبی کانولوشنال (CNN) با PyTorch برای طبقه‌بندی تصاویر Convolutional neural network (CNN) with PyTorch for image classification

• استفاده از GPU برای آموزش سریع‌تر Using GPUs for faster training

• یادگیری عمیق Deep Learning

هوش مصنوعی ابری با Google Colab Cloud-Based AI with Google Colab

• آشنایی با Google Colab Introduction to Goggle Colab

• راه‌اندازی Google Colab برای پروژه‌های AI/ML Setting Up Google Colab for AI/ML Projects

• اجرای مدل‌های TensorFlow در فضای ابری Running TensorFlow Models in the Cloud

• اجرای مدل‌های PyTorch در فضای ابری Running PyTorch Models in the Cloud

• ذخیره و اشتراک‌گذاری نوت‌بوک‌های Colab Saving and Sharing Colab Notebooks

• هوش مصنوعی ابری با Google Colab Cloud-Based AI with Google Colab

پروژه نهایی ۱: پیش‌بینی سلامت محصولات Capstone Project 1: Crop Health Prediction

• ساخت مدل یادگیری ماشین برای تحلیل سلامت محصولات Building a Machine Learning Model for Crop Health Analysis

پروژه نهایی ۲: پایش کیفیت هوا Capstone Project 2: Air Quality Monitoring

• پایش کیفیت هوا در هند: مطالعه موردی پایتون و ML (بخش اول) Air Quality Monitoring in India: A Python and ML Case Study Part 1

• پایش کیفیت هوا در هند: مطالعه موردی پایتون و ML (بخش دوم) Air Quality Monitoring in India: A Python and ML Case Study Part 2

• پایش کیفیت هوا در هند: مطالعه موردی پایتون و ML (بخش سوم) Air Quality Monitoring in India: A Python and ML Case Study Part 3

• پایش کیفیت هوا در هند: مطالعه موردی پایتون و ML (بخش چهارم) Air Quality Monitoring in India: A Python and ML Case Study Part 4

• پایش کیفیت هوا Air Quality Monitoring

پروژه نهایی ۳: شمارش گیاهان با تکنیک‌های بینایی ماشین Capstone Project 3: Counting Plants Using Computer Vision Techniques

• تشخیص و شمارش گیاهان با استفاده از تکنیک‌های بینایی ماشین Detecting and Counting Plants Using Computer Vision Techniques

پروژه نهایی ۴: راهنمای جامع یادگیری ماشین و پردازش داده‌ها Capstoe Project 4: Comprehensive Guide to Machine Learning, and Data Processing.

• راهنمای جامع یادگیری ماشین و پردازش داده‌ها (بخش ۱) Comprehensive Guide to Machine Learning, and Data Processing, Part: 1

• راهنمای جامع یادگیری ماشین و پردازش داده‌ها (بخش ۲) Comprehensive Guide to Machine Learning, and Data Processing, Part: 2

• راهنمای جامع یادگیری ماشین و پردازش داده‌ها (بخش ۳) Comprehensive Guide to Machine Learning, and Data Processing, Part: 3

• راهنمای جامع یادگیری ماشین و پردازش داده‌ها (بخش ۴) Comprehensive Guide to Machine Learning, and Data Processing, Part: 4

• راهنمای جامع یادگیری ماشین و پردازش داده‌ها (بخش ۵) Comprehensive Guide to Machine Learning, and Data Processing, Part: 5

مطالعات تکمیلی و آموزش‌های بیشتر Further Reading and Tutorials

• مطالعات تکمیلی و آموزش‌های بیشتر Further Reading and Tutorials