تسلط بر الگوریتم های یادگیری ماشین با استفاده از پایتون [ویدئو]

سرفصل ها و درس ها

مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• معرفی دوره Course Introduction

• مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

• اصطلاحات یادگیری ماشین Machine Learning Terminology

• تاریخچه یادگیری ماشین History of Machine Learning

• موارد و انواع استفاده از یادگیری ماشین Machine Learning Use Cases and Types

• نقش داده ها در یادگیری ماشینی Role of Data in Machine Learning

• چالش های یادگیری ماشین Challenges in Machine Learning

• چرخه زندگی یادگیری ماشین و خطوط لوله Machine Learning Life Cycle and Pipelines

• مشکلات رگرسیون Regression Problems

• مدل های رگرسیون و معیارهای عملکرد Regression Models and Performance Metrics

• مسائل طبقه بندی و معیارهای عملکرد Classification Problems and Performance Metrics

• بهینه سازی معیارهای طبقه بندی Optimizing Classification Metrics

• تعصب و واریانس Bias and Variance

تکنیک های آماری Statistical Techniques

• آمار و آزمایش Statistics and Experiments

• انواع داده ها و آمار توصیفی Types of Data and Descriptive Statistics

• متغیرهای تصادفی و توزیع نرمال Random Variables and Normal Distribution

• هیستوگرام و تقریب طبیعی Histograms and Normal Approximation

• تئوری حد مرکزی Central Limit Theorem

• نظریه احتمال Probability Theory

• نظریه دو جمله ای - مقدار مورد انتظار و خطای استاندارد Binomial Theory - Expected Value and Standard Error

• آزمایش فرضیه Hypothesis Testing

یادگیری پایتون Learning Python

• مقدمه ای بر پایتون Introduction to Python

• شروع با پایتون با نوت بوک Jupyter Starting with Python with Jupyter Notebook

• متغیرها و شرایط پایتون Python Variables and Conditions

• تکرارهای پایتون 1 Python Iterations 1

• تکرارهای پایتون 2 Python Iterations 2

• لیست های پایتون Python Lists

• تاپل های پایتون Python Tuples

• دیکشنری پایتون 1 Python Dictionaries 1

• دیکشنری پایتون 2 Python Dictionaries 2

• مجموعه پایتون 1 Python Sets 1

• مجموعه پایتون 2 Python Sets 2

• آرایه های Numpy 1 Numpy Arrays 1

• آرایه های Numpy 2 Numpy Arrays 2

• آرایه های Numpy 3 Numpy Arrays 3

• پانداهای سری 1 Pandas Series 1

• پانداها سری 2 Pandas Series 2

• پانداها سری 3 Pandas Series 3

• پانداهای سری 4 Pandas Series 4

• Pandas DataFrame 1 Pandas DataFrame 1

• Pandas DataFrame 2 Pandas DataFrame 2

• Pandas DataFrame 3 Pandas DataFrame 3

• Pandas DataFrame 4 Pandas DataFrame 4

• Pandas DataFrame 5 Pandas DataFrame 5

• Pandas DataFrame 6 Pandas DataFrame 6

• توابع تعریف شده توسط کاربر پایتون Python User Defined Functions

• توابع لامبدا پایتون Python Lambda Functions

• توابع Python Lambda و عملیات تاریخ-زمان Python Lambda Functions and Date-Time Operations

• عملیات رشته پایتون Python String Operations

تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

• تجزیه و تحلیل داده های اکتشافی Exploratory Data Analysis

• ابزارها و فرآیندهای EDA Tools and Processes of EDA

• پروژه EDA 1 EDA Project 1

• پروژه EDA 2 EDA Project 2

• پروژه EDA 3 EDA Project 3

• پروژه EDA 4 EDA Project 4

• پروژه EDA 5 EDA Project 5

• پروژه EDA 6 EDA Project 6

• پروژه EDA 7 EDA Project 7

رگرسیون خطی Linear Regression

• مقدمه رگرسیون خطی Linear Regression Introduction

• آموزش و تابع هزینه Training and Cost Function

• توابع هزینه و نزول گرادیان Cost Functions and Gradient Descent

• رگرسیون خطی - رویکرد عملی Linear Regression - Practical Approach

• توابع مقیاس بندی ویژگی و هزینه Feature Scaling and Cost Functions

• فرضیات و تست OLS OLS Assumptions and Testing

• پیش بینی قیمت خودرو Car Price Prediction

• تهیه و تجزیه و تحلیل داده ها 1 Data Preparation and Analysis 1

• آماده سازی و تجزیه و تحلیل داده ها 2 Data Preparation and Analysis 2

• آماده سازی و تجزیه و تحلیل داده ها 3 Data Preparation and Analysis 3

• ساختمان مدل Model Building

• ارزیابی و بهینه سازی مدل Model Evaluation and Optimization

• بهینه سازی مدل Model Optimization

رگرسیون لجستیک Logistic Regression

• مقدمه رگرسیون لجستیک Logistic Regression Introduction

• مدل لاجیت Logit Model

• مطالعه موردی Churn Telecom Telecom Churn Case Study

• تجزیه و تحلیل داده ها و مهندسی ویژگی Data Analysis and Feature Engineering

• ساخت مدل لجستیک Build the Logistic Model

• ارزیابی مدل - AUC-ROC Model Evaluation - AUC-ROC

• بهینه سازی مدل 1 Model Optimization 1

• بهینه سازی مدل 2 Model Optimization 2

الگوریتم طبقه بندی ساده بیز Naive Bayes Classification Algorithm

• مدل احتمال ساده بیز Naive Bayes Probability Model

• محاسبات احتمال ساده بیز Naive Bayes Probability Computation

• مطالعه موردی فرسایش کارکنان Employee Attrition Case Study

• مدل سازی و بهینه سازی Model Building and Optimization

طبقه بندی درخت تصمیم Decision Tree Classifier

• درخت تصمیم - مفهوم مدل Decision Tree - Model Concept

• درخت تصمیم - مراحل یادگیری Decision Tree - Learning Steps

• شاخص جینی و معیارهای آنتروپی Gini Index and Entropy Measures

• هرس و تنظیم فراپارامتر Pruning and Hyperparameter Tuning

• مطالعه موردی مجموعه داده عنبیه Iris Dataset Case Study

• بهینه سازی مدل با استفاده از Grid Search Cross Validation Model Optimization using Grid Search Cross Validation

گروه تصادفی جنگل Random Forest Ensemble

• تکنیک های گروه کیسه کشی و جنگل تصادفی Ensemble Techniques Bagging and Random Forest

• هرس و بهینه سازی مراحل تصادفی جنگل Random Forest Steps Pruning and Optimization

• ساخت مدل و تنظیم فراپارامتر با استفاده از Grid Search CV Model Building and Hyperparameter Tuning using Grid Search CV

• بهینه سازی ادامه دارد Optimization Continued

ماشین بردار پشتیبانی Support Vector Machine

• پشتیبانی از مفاهیم ماشین بردار Support Vector Machine Concepts

• پشتیبانی از متریک ماشین بردار و SVM چند جمله ای Support Vector Machine Metrics and Polynomial SVM

• پروژه ماشین بردار پشتیبانی 1 Support Vector Machine Project 1

• پشتیبانی از پیش بینی ماشین بردار Support Vector Machine Predictions

• ماشین بردار پشتیبانی - طبقه بندی داده های چند جمله ای Support Vector Machine - Classifying Polynomial Data

کاهش ابعاد - تجزیه و تحلیل مؤلفه اصلی (PCA) Dimensionality Reduction - Principal Component Analysis (PCA)

• تجزیه و تحلیل مؤلفه های اصلی - مفاهیم Principal Component Analysis - Concepts

• تجزیه و تحلیل مؤلفه اصلی - محاسبات 1 Principal Component Analysis - Computations 1

• تجزیه و تحلیل مؤلفه های اصلی - محاسبات 2 Principal Component Analysis - Computations 2

• عملی تجزیه و تحلیل مؤلفه های اصلی Principal Component Analysis Practicals

یادگیری بدون نظارت با استفاده از K-Means Clustering Unsupervised Learning using K-Means Clustering

• یادگیری بدون نظارت - K-Mean Clustering Unsupervised Learning - K-Mean Clustering

• K-Means Clustering Computing K-Means Clustering Computation

• بهینه سازی خوشه بندی K-Means K-Means Clustering Optimization

• K-Means - آماده سازی و مدل سازی داده ها K-Means - Data Preparation and Modelling

• K-Means - بهینه سازی مدل K-Means - Model Optimization

مقدمه ای بر یادگیری عمیق Introduction to Deep Learning

• مقدمه ای بر یادگیری عمیق Introduction to Deep Learning