لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشینی با پروژه های دنیای واقعی [ویدئو]
Machine Learning with Real World Projects [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
آیا می خواهید یک دانشمند داده خوب شوید؟ سپس این یک دوره مناسب برای شما است.
این دوره توسط متخصصان IIT که در ریاضیات و علوم داده تسلط دارند طراحی شده است. ما تئوری پیچیده، الگوریتم ها و کتابخانه های کدگذاری را به روشی بسیار ساده پوشش خواهیم داد که برای هر مبتدی نیز به راحتی قابل درک است.
ما شما را قدم به قدم وارد دنیای یادگیری ماشینی خواهیم کرد. با هر آموزش مهارت های جدیدی را توسعه می دهید و درک خود را از این زیر شاخه چالش برانگیز و در عین حال پرسود علم داده از سطح مبتدی تا پیشرفته بهبود می بخشید.
ما در طول این دوره چند مشکل Kaggle را حل کرده ایم و راه حل های کاملی ارائه کرده ایم تا دانش آموزان بتوانند به راحتی در وب سایت های مسابقات دنیای واقعی به رقابت بپردازند.
تمامی کدها و فایل های پشتیبانی این دوره در آدرس زیر موجود است: https://github.com/PacktPublishing/Machine-Learning-with-Real-World-Projects Master Machine Learning در پایتون
آموزش استفاده از MatplotLib برای ترسیم پایتون
یاد بگیرید که از Numpy و Pandas برای تجزیه و تحلیل داده استفاده کنید
یاد بگیرید که از Seaborn برای نمودارهای آماری استفاده کنید
تمام ریاضیات مورد نیاز برای درک الگوریتم های یادگیری ماشین را بیاموزید
پیاده سازی الگوریتم های یادگیری ماشین همراه با شهود ریاضی
پروژه های Kaggle Level با راه حل های کامل گنجانده شده است
آموزش راه حل های علوم داده پایان به پایان
همه الگوریتمها و تکنیکهای یادگیری ماشین در سطح پیشرفته مانند تنظیمسازی، تقویت، بستهبندی و بسیاری موارد دیگر گنجانده شده است.
همه مفاهیم آماری را برای ایجاد نینزا در یادگیری ماشینی بیاموزید
مطالعات موردی در دنیای واقعی
معیارهای عملکرد مدل
یادگیری عمیق
انتخاب مدل هر کسی که می خواهد حرفه خود را در علم داده/یادگیری ماشین ایجاد کند، یادگیری ماشین را با مطالعات موردی در دنیای واقعی بیاموزد * تئوری پیچیده، الگوریتم ها و کتابخانه های کدگذاری را به روشی بسیار ساده بیاموزید.
سرفصل ها و درس ها
رگرسیون خطی ساده
Simple Linear Regression
نصب Anaconda و استفاده از Jupyter Notebook
Installing Anaconda & using Jupyter Notebook
مقدمه ای بر یادگیری ماشینی
Introduction to Machine Learning
انواع یادگیری ماشینی
Types Of Machine Learning
مقدمه ای بر رگرسیون خطی (LR)
Introduction to Linear Regression (LR)
LR چگونه کار می کند
How LR Works
کمی سرگرمی با ریاضیات پشت LR
Some Fun with Maths Behind LR
میدان آر
R Square
مطالعه موردی LR قسمت 1
LR Case Study Part1
مطالعه موردی LR قسمت 2
LR Case Study Part2
مطالعه موردی LR قسمت 3
LR Case Study Part3
خطای مربع باقیمانده (RSE)
Residual Square Error (RSE)
رگرسیون خطی چندگانه
Multiple Linear Regression
معرفی
Introduction
مطالعه موردی قسمت 1
Case study Part1
مطالعه موردی قسمت 2
Case study Part2
مطالعه موردی قسمت 3
Case study Part3
مربع R تنظیم شده
Adjusted R Square
مطالعه موردی قسمت 1
Case Study Part1
مطالعه موردی قسمت 2
Case Study Part2
مطالعه موردی قسمت 3
Case Study Part3
مطالعه موردی قسمت 4
Case Study Part4
مطالعه موردی قسمت 5
Case Study Part5
مطالعه موردی قسمت 6 (RFE)
Case study Part6 (RFE)
Hotstar، Netflix مطالعه موردی دنیای واقعی برای رگرسیون خطی چندگانه
Hotstar, Netflix Real world Case Study for Multiple Linear Regression
مقدمه ای بر بیان مسئله
Introduction to The Problem Statement
بازی با دیتا
Playing with Data
مدل ساختمان Part1
Building Model Part1
مدل ساختمان Part2
Building Model Part2
مدل ساختمان Part3
Building Model Part3
تایید مدل
Verification of Model
گرادیان نزول
Gradient Descent
پیش نیاز برای Gradient Descent part1
Pre-req for Gradient Descent part1
پیش نیاز برای Gradient Descent part2
Pre-req for Gradient Descent part2
توابع هزینه
Cost Functions
تعریف توابع هزینه به صورت رسمی تر
Defining Cost Functions more formally
گرادیان نزول
Gradient Descent
بهينه سازي
Optimisation
فرم بسته در مقابل نزول گرادیان
Closed Form Vs Gradient Descent
مطالعه موردی نزول گرادیان
Gradient Descent Case Study
KNN
KNN
مقدمه ای بر طبقه بندی
Introduction to Classification
مشکل - Multi Label Part1
Problem - Multi Label Part1
مشکل - Multi Label Part2
Problem - Multi Label Part2
Problem_Apply Logistic Regression با OnevsRest Classifier
Problem_Apply Logistic Regression with OnevsRest Classifier
مشکل_نهایی
Problem_Final
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
Geekshub یک شرکت آموزش آنلاین در زمینه داده های بزرگ و تجزیه و تحلیل است. هدف آنها به عنوان یک تیم این است که بهترین مجموعه مهارت را به مشتریان خود ارائه دهند تا آنها را برای کار آماده کنند و آنها را برای مقابله با هر چالشی آماده کنند. آنها بهترین مربیان را برای فناوری های پیشرفته مانند یادگیری ماشینی، یادگیری عمیق، پردازش زبان طبیعی (NLP)، یادگیری تقویتی و علم داده دارند. مربیان آنها افرادی هستند که از IIT، MIT و Standford فارغ التحصیل شده اند. آنها مشتاق آموزش موضوعات با استفاده از مطالعات موردی در دنیای واقعی هستند که تجربه یادگیری دانش آموزان را کالیبره می کند.
نمایش نظرات