آموزش یادگیری ماشینی تحت نظارت در پایتون

Supervised Machine Learning in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یک دوره عملی در مورد یادگیری ماشین نظارت شده با استفاده از زبان برنامه نویسی پایتون مبانی پایتون الگوریتم های یادگیری ماشین مانند رگرسیون، طبقه بندی، طبقه بندی کننده ساده بیز، درخت تصمیم، الگوریتم ماشین بردار پشتیبانی و غیره. مفهوم یادگیری ماشین و انواع مختلف کتابخانه های علوم داده یادگیری ماشین مانند Numpy، Pandas , Matplotlib , Scipy , Scikit Learn , Seaborn , Plotly و بسیاری موارد دیگر

در این دوره عملی، ما بر روی یادگیری ماشین نظارت شده و نحوه اعمال آن در زبان برنامه نویسی پایتون تمرکز می کنیم. یادگیری ماشین نظارت شده شاخه ای از هوش مصنوعی است که هدف آن ایجاد مدل های پیش بینی با شروع یک مجموعه داده است. با بهینه‌سازی مناسب مدل‌ها، می‌توان نمایش‌های ریاضی از داده‌هایمان ایجاد کرد تا اطلاعاتی را که در داخل پایگاه داده پنهان است استخراج کنیم و از آن برای استنتاج و پیش‌بینی استفاده کنیم.

یک استفاده بسیار قدرتمند از یادگیری ماشینی نظارت شده، محاسبه اهمیت ویژگی است، که باعث می‌شود اطلاعات پشت داده‌ها را بهتر درک کنیم و به ما امکان می‌دهد ابعاد مشکل خود را تنها با در نظر گرفتن اطلاعات مربوطه کاهش دهیم و همه متغیرهای بی‌فایده را کنار بگذاریم. یک رویکرد رایج برای محاسبه اهمیت ویژگی، تکنیک SHAP است.

در حوزه فناوری‌های پیشرفته، یادگیری ماشینی در خط مقدم قرار دارد، صنایع را متحول کرده و نحوه تعامل ما با جهان را متحول می‌کند. از توصیه‌های شخصی گرفته تا وسایل نقلیه خودران، یادگیری ماشینی به رایانه‌ها این امکان را می‌دهد تا از حجم وسیعی از داده‌ها یاد بگیرند و تصمیمات هوشمندانه بگیرند. اگر تاکنون مجذوب ایده ساختن سیستم‌های هوشمند شده‌اید، درک پیش‌نیازهای یادگیری ماشین اولین قدم ضروری شماست.

شروع سفر به یادگیری ماشینی مستلزم یک پایه محکم در چندین زمینه کلیدی است. مانند هر تلاش دیگری، ساختن بر اساس یک زمینه محکم راه را برای موفقیت هموار می کند. اجازه دهید پیش نیازهایی را که شما را با مهارت هایی برای کشف اسرار یادگیری ماشینی و استفاده از پتانسیل آن برای شکل دادن به آینده مجهز می کند، آشکار کنیم.

  • کتابخانه های علوم داده مانند Numpy، Pandas، Matplotlib، Scipy، Scikit Learn، Seaborn، Plotly و بسیاری دیگر

  • مفهوم یادگیری ماشین و انواع مختلف یادگیری ماشین

  • الگوریتم‌های یادگیری ماشینی مانند رگرسیون، طبقه‌بندی، طبقه‌بندی‌کننده ساده بیز، درخت تصمیم، الگوریتم ماشین بردار پشتیبانی و غیره.

  • مهندسی ویژگی

  • مبانی پایتون


سرفصل ها و درس ها

یادگیری ماشینی تحت نظارت در پایتون Supervised Machine Learning in Python

یادگیری ماشینی تحت نظارت در پایتون Supervised Machine Learning in Python

  • مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

  • مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

  • مزایا و معایب یادگیری ماشینی Advantages and Disadvantages of Machine Learning

  • مزایا و معایب یادگیری ماشینی Advantages and Disadvantages of Machine Learning

  • معرفی NumPy NumPy Introduction

  • معرفی NumPy NumPy Introduction

  • امکانات و نصب Features and Installation

  • امکانات و نصب Features and Installation

  • ایجاد آرایه NumPy NumPy Array Creation

  • ایجاد آرایه NumPy NumPy Array Creation

  • ویژگی های آرایه NumPy NumPy Array Attributes

  • ویژگی های آرایه NumPy NumPy Array Attributes

  • عملیات آرایه NumPy NumPy Array Operations

  • عملیات آرایه NumPy NumPy Array Operations

  • عملیات آرایه NumPy ادامه دارد NumPy Array Operations Continue

  • عملیات آرایه NumPy ادامه دارد NumPy Array Operations Continue

  • عملیات Unary Array NumPy NumPy Array Unary Operations

  • عملیات Unary Array NumPy NumPy Array Unary Operations

  • اتصال آرایه Numpy Numpy Array Splicing

  • اتصال آرایه Numpy Numpy Array Splicing

  • NumPy Array Shpe NumPy Array Shpe

  • NumPy Array Shpe NumPy Array Shpe

  • انباشتن آرایه های مختلف با هم Stacking Together Different Arrays

  • انباشتن آرایه های مختلف با هم Stacking Together Different Arrays

  • تقسیم یک آرایه به چند آرایه کوچکتر Splitting one Array into Several Smaller ones

  • تقسیم یک آرایه به چند آرایه کوچکتر Splitting one Array into Several Smaller ones

  • کپی ها و نماها Copies and Views

  • کپی ها و نماها Copies and Views

  • نمایه سازی آرایه NumPy NumPy Array Indexing

  • نمایه سازی آرایه NumPy NumPy Array Indexing

  • نمایه سازی آرایه NumPy ادامه دارد NumPy Array Indexing Continue

  • نمایه سازی آرایه NumPy ادامه دارد NumPy Array Indexing Continue

  • NumPy Array Boolean NumPy Array Boolean

  • NumPy Array Boolean NumPy Array Boolean

  • مقدمه ای بر Matlplotlib Introduction to Matlplotlib

  • مقدمه ای بر Matlplotlib Introduction to Matlplotlib

  • آشنایی با توابع مختلف Pyplot Understanding Various Functions of Pyplot

  • آشنایی با توابع مختلف Pyplot Understanding Various Functions of Pyplot

  • چندین شکل و طرح فرعی Multiple Figures and Subplots

  • چندین شکل و طرح فرعی Multiple Figures and Subplots

  • معرفی پانداها Intro to Pandas

  • معرفی پانداها Intro to Pandas

  • معرفی پانداها ادامه دارد Intro to Pandas Continue

  • معرفی پانداها ادامه دارد Intro to Pandas Continue

  • ساختار داده در پانداها Data Structure in Pandas

  • ساختار داده در پانداها Data Structure in Pandas

  • ساختار داده در پانداها ادامه دارد Data Structure in Pandas Continue

  • ساختار داده در پانداها ادامه دارد Data Structure in Pandas Continue

  • ستون پانداها را انتخاب کنید Pandas Column Select

  • ستون پانداها را انتخاب کنید Pandas Column Select

  • حذف عملیات Remove Operations

  • حذف عملیات Remove Operations

  • عملیات حسابی پانداها Pandas Arithmetic Operations

  • عملیات حسابی پانداها Pandas Arithmetic Operations

  • عملیات حسابی پانداها ادامه دارد Pandas Arithmetic Operations Continue

  • عملیات حسابی پانداها ادامه دارد Pandas Arithmetic Operations Continue

  • مقدمه ای بر Scikit Learn Introduction to Scikit Learn

  • مقدمه ای بر Scikit Learn Introduction to Scikit Learn

  • تحت نظارت Supervised

  • تحت نظارت Supervised

  • یادگیری بدون نظارت Unsupervised Learning

  • یادگیری بدون نظارت Unsupervised Learning

  • بارگذاری مجموعه داده Load Data Set

  • بارگذاری مجموعه داده Load Data Set

  • ارقام مثال Scikit Scikit Example Digits

  • ارقام مثال Scikit Scikit Example Digits

  • مجموعه داده ارقامی با استفاده از Matplotlib Digits Dataset Using Matplotlib

  • مجموعه داده ارقامی با استفاده از Matplotlib Digits Dataset Using Matplotlib

  • درک معیارهای مجموعه داده ارقام پیش بینی شده Understading Metrics of Predicted Digits Dataset

  • درک معیارهای مجموعه داده ارقام پیش بینی شده Understading Metrics of Predicted Digits Dataset

  • مدل های ماندگار Persisting Models

  • مدل های ماندگار Persisting Models

  • الگوریتم K-NN با مثال K-NN Algorithm with Example

  • الگوریتم K-NN با مثال K-NN Algorithm with Example

  • اعتبار سنجی متقابل Cross Validation

  • اعتبار سنجی متقابل Cross Validation

  • تکنیک های اعتبارسنجی متقابل Cross Validation Techniques

  • تکنیک های اعتبارسنجی متقابل Cross Validation Techniques

  • مثال K-Means Clustering K-Means Clustering Example

  • مثال K-Means Clustering K-Means Clustering Example

  • تراکم Agglomeration

  • تراکم Agglomeration

  • خط لوله PCA PCA Pipeline

  • خط لوله PCA PCA Pipeline

  • تشخیص چهره Face Recognition

  • تشخیص چهره Face Recognition

  • خروجی تشخیص چهره Face Recognition Output

  • خروجی تشخیص چهره Face Recognition Output

  • برآوردگر درست Right Estimator

  • برآوردگر درست Right Estimator

  • نمونه داده متنی Text Data Example

  • نمونه داده متنی Text Data Example

  • استخراج ویژگی ها Extracting Features

  • استخراج ویژگی ها Extracting Features

  • وقوع به فرکانس ها Occurrences to Frequencies

  • وقوع به فرکانس ها Occurrences to Frequencies

  • آموزش Classifier Classifier Training

  • آموزش Classifier Classifier Training

  • تجزیه و تحلیل عملکرد در مجموعه تست Performance Analysis on the Test Set

  • تجزیه و تحلیل عملکرد در مجموعه تست Performance Analysis on the Test Set

  • تنظیم پارامتر Parameter Tuning

  • تنظیم پارامتر Parameter Tuning

  • شناسایی زبان Language Identifcation

  • شناسایی زبان Language Identifcation

  • جریان صفحه نمایش نقد و بررسی فیلم Movie Review Screen Stream

  • جریان صفحه نمایش نقد و بررسی فیلم Movie Review Screen Stream

  • پخش جریانی صفحه بازبینی فیلم ادامه دارد Movie Review Screen Stream Continue

  • پخش جریانی صفحه بازبینی فیلم ادامه دارد Movie Review Screen Stream Continue

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش یادگیری ماشینی تحت نظارت در پایتون
جزییات دوره
8.5 hours
54
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,325
4.8 از 5
ندارد
دارد
دارد
EDU CBA
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

EDU CBA EDU CBA

مهارت های دنیای واقعی را بصورت آنلاین بیاموزید EDUCBA یک ارائه دهنده جهانی آموزش مبتنی بر مهارت است که نیازهای اعضا را در بیش از 100 کشور برطرف می کند. ما بزرگترین شرکت فناوری پیشرفته در آسیا با نمونه کارهای 5498+ دوره آنلاین ، 205+ مسیر یادگیری ، 150+ برنامه شغل محور (JOPs) و 50+ بسته دوره حرفه ای شغلی هستیم که توسط متخصصان برجسته صنعت آماده شده است. برنامه های آموزشی ما برنامه های مبتنی بر مهارت شغلی است که توسط صنعت در سراسر امور مالی ، فناوری ، تجارت ، طراحی ، داده و فناوری جدید و آینده مورد نیاز صنعت است.