یادگیری تحت نظارت و بدون نظارت با پایتون [ویدئو]

Supervised and Unsupervised Learning with Python [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: برنامه‌های هوش مصنوعی (AI) دنیای واقعی بسازید تا به طور هوشمند با دنیای اطراف خود تعامل داشته باشید، سناریوهای دنیای واقعی را کاوش کنید و در مورد الگوریتم‌های مختلفی که می‌توان برای ساخت برنامه‌های هوش مصنوعی استفاده کرد، آشنا شوید. این دوره پر از مثال‌ها و موضوعاتی مانند تحلیل پیش‌بینی‌کننده و یادگیری عمیق، برای توسعه‌دهندگان پایتون ضروری است. • با تکنیک های مختلف طبقه بندی و رگرسیون آشنا شوید درک مفهوم خوشه بندی و نحوه استفاده از آن برای تقسیم خودکار داده ها • نحوه ایجاد یک سیستم توصیه گر هوشمند را ببینید ایده آل برای توسعه دهندگان پایتون که می خواهند برنامه های هوش مصنوعی دنیای واقعی بسازند، این ویدیو برای مبتدیان پایتون ایده آل است و همچنین برای برنامه نویسان باتجربه پایتون که به دنبال استفاده از تکنیک های هوش مصنوعی در پشته های فناوری موجود خود هستند مناسب است • سناریوهای دنیای واقعی در یادگیری ماشینی را کاوش کنید. * • جنبه های مهم یادگیری تحت نظارت و بدون نظارت را بیاموزید * • با این دوره مقدماتی هوش مصنوعی را شروع کنید *

سرفصل ها و درس ها

مقدمه ای بر هوش مصنوعی 7 Introduction to Artificial Intelligence 7

  • بررسی اجمالی دوره The Course Overview

  • هوش مصنوعی و نیازهای آن Artificial Intelligence and Its Need

  • برنامه ها و شاخه های هوش مصنوعی Applications and Branches of AI

  • تعریف هوش با استفاده از تست تورینگ Defining Intelligence Using Turing Test

  • کاری که ماشین ها مانند انسان ها فکر کنند Making Machines Think Like Humans

  • حل المسائل عمومی General Problem Solver

  • ساخت یک عامل هوشمند Building an Intelligent Agent

  • نصب Python 3 و Packages Installing Python 3 and Packages

  • در حال بارگیری داده ها Loading Data

طبقه بندی و رگرسیون با استفاده از یادگیری نظارت شده Classification and Regression Using Supervised Learning

  • یادگیری تحت نظارت در مقابل یادگیری بدون نظارت Supervised Versus Unsupervised Learning

  • طبقه بندی چیست؟ What is Classification?

  • پیش پردازش داده ها Preprocessing Data

  • رمزگذاری برچسب Label Encoding

  • رگرسیون لجستیک و طبقه بندی کننده ساده بیز Logistic Regression and Naïve Bayes Classifier

  • ماتریس سردرگمی Confusion Matrix

  • ماشین های بردار پشتیبانی Support Vector Machines

  • طبقه بندی داده های درآمد Classifying Income Data

  • رگرسیون چیست؟ What is Regression?

  • ساخت رگرسیور تک و چند متغیره Building a Single and Multivariable Regressor

  • برآورد قیمت مسکن Estimating Housing Prices

تجزیه و تحلیل پیش بینی کننده با یادگیری گروهی Predictive Analytics with Ensemble Learning

  • یادگیری گروهی چیست؟ What is Ensemble Learning?

  • درختان تصمیم چیست؟ What Are Decision Trees

  • جنگل های تصادفی و بسیار تصادفی چیست؟ What are Random and Extremely Random Forests?

  • مقابله با عدم تعادل طبقاتی Dealing with Class Imbalance

  • یافتن پارامترهای آموزشی بهینه Finding Optimal Training Parameters

  • محاسبه اهمیت ویژگی نسبی Computing Relative Feature Importance

  • پیش بینی ترافیک Predicting Traffic

تشخیص الگوها با یادگیری بدون نظارت Detecting Patterns with Unsupervised Learning

  • خوشه بندی داده ها با الگوریتم K-Means Clustering Data with K-Means Algorithm

  • تخمین تعداد خوشه ها Estimating the Number of Clusters

  • برآورد کیفیت خوشه بندی Estimating the Quality of Clustering

  • ساخت یک طبقه بندی کننده Building a Classifier

  • بخش بندی بازار Segmenting the Market

سیستم های توصیه کننده ساختمان Building Recommender Systems

  • ایجاد خط لوله آموزشی Creating a Training Pipeline

  • استخراج نزدیکترین همسایه ها Extracting the Nearest Neighbors

  • ساخت یک طبقه بندی کننده K-Nearest Neighbors Building a K-Nearest Neighbors Classifier

  • محاسبه نمرات شباهت Computing similarity scores

  • یافتن کاربران مشابه Finding Similar Users

  • ساخت یک سیستم توصیه فیلم Building a Movie Recommendation System

نمایش نظرات

یادگیری تحت نظارت و بدون نظارت با پایتون [ویدئو]
جزییات دوره
2 h 8 m
38
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Prateek Joshi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Prateek Joshi Prateek Joshi

پراتیک جوشی بنیانگذار پلوتوشیفت و نویسنده 9 کتاب در زمینه هوش مصنوعی است. او در Forbes 30 Under 30، NBC، Bloomberg، CNBC، TechCrunch و The Business Journals حضور داشته است. او به عنوان سخنران دعوت شده در کنفرانس هایی مانند TEDx، کنفرانس جهانی داده های بزرگ، کنفرانس توسعه دهندگان یادگیری ماشین و یادگیری عمیق سیلیکون ولی بوده است. به غیر از هوش مصنوعی، برخی از موضوعاتی که او را هیجان زده می کند، نظریه اعداد، رمزنگاری و محاسبات کوانتومی است. هدف بزرگ‌تر او این است که هوش مصنوعی را برای همه در دسترس قرار دهد تا بتواند میلیاردها نفر را در سراسر جهان تحت تأثیر قرار دهد.