آموزش مبانی و جزئیات یادگیری ماشین (Machine Learning) - آخرین آپدیت

انواع مختلف یادگیری ماشین The different types of machine learning

• مقدمه‌ای بر دوره پنجم Introduction to Course 5

• سوشیلا: خوشحال کردن مردم با داده‌ها Susheela: Delight people with data

• به ماژول ۱ خوش آمدید Welcome to module 1

• انواع اصلی یادگیری ماشین The main types of machine learning

• تعیین زمان بی‌نهایت بودن ویژگی‌ها Determine when features are infinite

• ویژگی‌های دسته‌بندی و مدل‌های طبقه‌بندی Categorical features and classification models

• هدایت علاقه کاربر با سیستم‌های توصیه‌گر Guide user interest with recommendation systems

• برابری و عدالت در یادگیری ماشین Equity and fairness in machine learning

• ساخت مدل‌های اخلاقی Build ethical models

• پایتون برای یادگیری ماشین Python for machine learning

• انواع مختلف محیط‌های برنامه‌نویسی پایتون (IDEs) Different types of Python IDEs

• بیشتر درباره بسته‌های پایتون More about Python packages

• منابع پاسخ به سوالات برنامه‌نویسی Resources to answer programming questions

• تیم یادگیری ماشین شما Your machine learning team

• سامانتا: ارتباط با جامعه متخصصان داده Samantha: Connect to the data professional community

• جمع‌بندی Wrap-up

جریان کاری برای ساخت مدل‌های پیچیده Workflow for building complex models

• به ماژول ۲ خوش آمدید Welcome to module 2

• متد PACE در یادگیری ماشین PACE in machine learning

• برنامه‌ریزی برای یک پروژه یادگیری ماشین Plan for a machine learning project

• گانش: غلبه بر چالش‌ها و یادگیری از اشتباهات Ganesh: Overcome challenges and learn from your mistakes

• تحلیل داده‌ها برای یک مدل یادگیری ماشین Analyze data for a machine learning model

• مقدمه‌ای بر مهندسی ویژگی (Feature Engineering) Introduction to feature engineering

• حل مشکلات مربوط به مجموعه‌داده‌های نامتوازن Solve issues that come with imbalanced datasets

• مهندسی ویژگی و متوازن‌سازی کلاس‌ها Feature engineering and class balancing

• مقدمه‌ای بر Naive Bayes Introduction to Naive Bayes

• ساخت مدل Naive Bayes با پایتون Construct a Naive Bayes model with Python

• معیارهای کلیدی ارزیابی برای مدل‌های طبقه‌بندی Key evaluation metrics for classification models

• جمع‌بندی Wrap-up

تکنیک‌های یادگیری نظارت‌نشده Unsupervised learning techniques

• به ماژول ۳ خوش آمدید Welcome to module 3

• مقدمه‌ای بر K-means Introduction to K-means

• استفاده از K-means برای فشرده‌سازی رنگ با پایتون Use K-means for color compression with Python

• معیارهای کلیدی برای نمایش خوشه‌بندی K-means Key metrics for representing K-means clustering

• معیارهای اینرسی (Inertia) و ضریب سیلوئت (Silhouette) Inertia and silhouette coefficient metrics

• پیاده‌سازی اینرسی و امتیاز سیلوئت با پایتون Apply inertia and silhouette score with Python

• جمع‌بندی Wrap-up

مدل‌سازی مبتنی بر درخت Tree-based modeling

• به ماژول ۴ خوش آمدید Welcome to module 4

• دیزی: برجسته‌سازی مهارت‌های فنی و ارتباطی Daisy: Highlight both technical and people skills

• مدل‌سازی مبتنی بر درخت Tree-based modeling

• ساخت یک درخت تصمیم با پایتون Build a decision tree with Python

• تنظیم (Tune) درخت تصمیم Tune a decision tree

• تأیید عملکرد با استفاده از اعتبار‌سنجی (Validation) Verify performance using validation

• تنظیم و اعتبار‌سنجی درخت‌های تصمیم با پایتون Tune and validate decision trees with Python

• تجمیع بوت‌استرپ (Bootstrap Aggregation) Bootstrap aggregation

• بررسی جنگل تصادفی (Random Forest) Explore a random forest

• تنظیم جنگل تصادفی Tuning a random forest

• ساخت و اعتبارسنجی متقاطع مدل جنگل تصادفی با پایتون Build and cross-validate a random forest model with Python

• ساخت و اعتبارسنجی مدل جنگل تصادفی با استفاده از مجموعه داده اعتبار‌سنجی Build and validate a random forest model using a validation data set

• مقدمه‌ای بر Boosting: مدل AdaBoost Introduction to boosting: AdaBoost

• ماشین‌های Gradient Boosting Gradient boosting machines

• تنظیم مدل GBM Tune a GBM model

• ساخت مدل XGBoost با پایتون Build an XGBoost model with Python

• جمع‌بندی Wrap-up

پروژه نهایی دوره پنجم Course 5 end-of-course project

• به ماژول ۵ خوش آمدید Welcome to module 5

• یوری: تحت تأثیر قرار دادن مصاحبه‌کنندگان با راهکارهای منحصر‌به‌فرد Uri: Impress interviewers with your unique solutions

• مقدمه‌ای بر پروژه پورتفولیوی نهایی دوره ۵ Introduction to your Course 5 end-of-course portfolio project

• جمع‌بندی پروژه نهایی و نکاتی برای موفقیت شغلی مستمر End-of-course project wrap-up and tips for ongoing career success

• جمع‌بندی نهایی دوره Course wrap-up