آموزش راه اندازی به یادگیری ماشین

مقدمه ای بر دوره Introduction to Course

• مقدمه ای برای دوره Intro to Course

بهبود کیفیت داده ها و تجزیه و تحلیل داده های اکتشافی Improve Data Quality and Exploratory Data Analysis

• مقدمه Introduction

• بهبود کیفیت داده ها: مقدمه Improve Data Quality: An Introduction

• معرفی آزمایشگاه کیفیت داده ها را بهبود ببخشید Lab Intro Improve Data Quality

• شروع کار با GCP و Qwiklabs Getting Started With GCP And Qwiklabs

• آزمایشگاه: بهبود کیفیت داده ها Lab: Improving Data Quality

• تجزیه و تحلیل داده های اکتشافی Exploratory Data Anlaysis

• تجزیه و تحلیل داده های اکتشافی آزمایشگاهی Lab Intro Exploratory Data Analysis

• آزمایشگاه: تجزیه و تحلیل داده های اکتشافی با استفاده از پایتون و BigQuery Lab: Exploratory Data Analysis Using Python and BigQuery

• منابع - خواندن ها - بهبود کیفیت داده ها و تجزیه و تحلیل داده های اکتشافی Resources - Readings - Improve Data Quality and Exploratory Data Analysis

ML عملی Practical ML

• مقدمه Introduction

• یادگیری تحت نظارت Supervised Learning

• رگرسیون و طبقه بندی Regression and Classification

• سابقه کوتاه ML: رگرسیون خطی Short history of ML: Linear Regression

• تاریخچه کوتاه ML: پرسپترون Short history of ML: Perceptron

• تاریخچه کوتاه ML: شبکه های عصبی Short history of ML: Neural Networks

• مقدمه آزمایشگاه: مقدمه ای برای رگرسیون خطی Lab Intro: Introduction to Linear Regression

• آزمایشگاه: مقدمه ای برای رگرسیون خطی Lab: Introduction to Linear Regression

• مقدمه آزمایشگاه: مقدمه ای بر رگرسیون لجستیک Lab Intro: Introduction to Logistic Regression

• آزمایشگاه: مقدمه ای بر رگرسیون لجستیک Lab: Introduction to Logistic Regression

• سابقه کوتاه ML: درختان تصمیم Short history of ML: Decision Trees

• تاریخچه کوتاه ML: جنگل های تصادفی Short History of ML: Random Forests

• Intro Lab: درختان تصمیم گیری و جنگل های تصادفی در پایتون Lab Intro: Decision Trees and Random Forests in Python

• آزمایشگاه: ایجاد درختان تصمیم گیری و جنگل های تصادفی در پایتون Lab: Creating Decision Trees and Random Forests in Python

• تاریخچه کوتاه ML: روشهای هسته Short History of ML: Kernel Methods

• تاریخچه کوتاه ML: شبکه های عصبی مدرن Short History of ML: Modern Neural Networks

• منابع - خواندن ها - ML عملی Resources - Readings - Practical ML

بهينه سازي Optimization

• مقدمه Introduction

• تعریف مدلهای ML Defining ML Models

• معرفی مجموعه دوره ها Introducing the Course Dataset

• معرفی توابع از دست دادن Introduction Loss Functions

• شیب نزولی Gradient Descent

• عیب یابی منحنی های از دست دادن Troubleshooting Loss Curves

• مشکلات مدل ML ML Model Pitfalls

• Lecture Lab: معرفی زمین بازی TensorFlow Lecture Lab: Introducing the TensorFlow Playground

• آزمایشگاه سخنرانی: TensorFlow Playground - Advanced Lecture Lab: TensorFlow Playground - Advanced

• آزمایشگاه سخنرانی: تمرین با شبکه های عصبی Lecture Lab: Practicing with Neural Networks

• عیب یابی منحنی از دست دادن سخنرانی Lecture Loss Curve Troubleshooting

• معیارهای عملکرد Performance Metrics

• ماتریس سردرگمی Confusion Matrix

• منابع - خوانش ها - بهینه سازی Resources - Readings - Optimization

تعمیم و نمونه گیری Generalization and Sampling

• مقدمه Introduction

• مدل های تعمیم و ML Generalization and ML Models

• چه موقع آموزش مدل را متوقف کنید When to Stop Model Training

• سخنرانی ایجاد نمونه های تکرار شونده در BigQuery Lecture Creating Repeatable Samples in BigQuery

• نسخه نمایشی سخنرانی: تقسیم مجموعه های داده در BigQuery Lecture Demo: Splitting Datasets in BigQuery

• مقدمه آزمایشگاه ایجاد انشعابات مجموعه تکرار شونده در BigQuery Lab Introduction Creating Repeatable Dataset Splits in BigQuery

• آزمایشگاه: ایجاد انشعابات قابل تکرار در BigQuery Lab: Creating repeatable splits in BigQuery

• Lab Solution Walkthrough ایجاد تکرارهای تکرار شونده مجموعه داده در BigQuery Lab Solution Walkthrough Creating Repeatable Dataset Splits in BigQuery

• مقدمه آزمایشگاه کاوش و ایجاد مجموعه داده های ML Lab Introduction Exploring and Creating ML Datasets

• آزمایشگاه: کاوش و ایجاد مجموعه داده های ML Lab: Exploring and Creating ML Datasets

• Lab Solution Walkthrough اکتشاف و ایجاد مجموعه داده های ML Lab Solution Walkthrough Exploring and Creating ML Datasets

• منابع - قرائت - تعمیم و نمونه گیری Resources - Readings - Generalization and Sampling

خلاصه Summary

• خلاصه دوره Course Summary

• منابع - مطالب خوانده شده - خلاصه Resources - Readings - Summary

• سوالات امتحان به صورت PDF Quiz Questions as a PDF

منابع دوره Course Resources

• اسلایدهای دوره Course Slides