آموزش پروژه ها و مطالعات موردی در مورد یادگیری ماشین با پایتون

Projects and Case Studies on Machine Learning with Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: برنامه نویسی در پایتون برای تجزیه و تحلیل داده ها و یادگیری ماشین. تجزیه و تحلیل آماری، داده کاوی و تجسم را بیاموزید نحوه استفاده از علم داده و یادگیری ماشین با پایتون را یاد خواهید گرفت. شما قادر خواهید بود مجموعه داده های خود را تجزیه و تحلیل کنید و از طریق علم داده بینش به دست آورید. مهارت های علوم داده های حیاتی را مسلط کنید. موقعیت های دنیای واقعی و گزارش های داده را تکرار کنید. پیش نیازها: بدون نیاز به دانش قبلی در مورد یادگیری ماشین دانش پایه پایتون

تعداد زیادی دوره و سخنرانی پایتون وجود دارد. با این حال، پایتون منحنی یادگیری بسیار تند دارد و دانش‌آموزان اغلب غرق می‌شوند. این دوره متفاوت است. این دوره واقعاً گام به گام است. در هر آموزش جدید ما بر روی آنچه قبلاً آموخته بودیم می‌سازیم و یک قدم بیشتر به جلو می‌رویم. بعد از هر ویدیو، مفهوم ارزشمند جدیدی را یاد می گیرید که می توانید فوراً از آن استفاده کنید. و بهترین بخش این است که شما از طریق مثال های زنده یاد می گیرید. این آموزش مملو از چالش های تحلیلی واقعی است که حل آنها را یاد خواهید گرفت. برخی از اینها را با هم حل خواهیم کرد، برخی را به عنوان تمرین مشق شب خواهید داشت. به طور خلاصه این دوره برای تمامی سطوح مهارت طراحی شده است و حتی اگر هیچ پیشینه برنامه نویسی و آماری نداشته باشید در این دوره موفق خواهید بود. علوم داده را با استفاده از پایتون، تکنیک‌های آماری، EDA، Numpy، Pandas، Scikit Learn، کتابخانه‌های Statsmodel اعمال کنید.

آیا می‌خواهید دانشمند داده یا مهندس یادگیری ماشین شوید؟ اگر بله، پس این دوره برای شما مناسب است. در این دوره آموزشی با مفاهیم اصلی علم داده، تجزیه و تحلیل داده های اکتشافی، روش های آماری، نقش داده ها، زبان پایتون، چالش های سوگیری، واریانس و برازش، انتخاب معیارهای عملکرد مناسب، تکنیک های ارزیابی مدل، بهینه سازی مدل با استفاده از فراپارامتر آشنا خواهید شد. تکنیک‌های اعتبارسنجی متقاطع جستجوی تنظیم و گرید و غیره. شما یاد خواهید گرفت که چگونه تجزیه و تحلیل دقیق داده‌ها را با استفاده از Pythin، تکنیک‌های آماری، تحلیل داده‌های اکتشافی، با استفاده از تکنیک‌های مختلف مدل‌سازی پیش‌بینی‌کننده مانند طیف وسیعی از الگوریتم‌های طبقه‌بندی، مدل‌های رگرسیون و مدل‌های خوشه‌بندی انجام دهید. شما سناریوها و موارد استفاده از استقرار مدل های پیش بینی را یاد خواهید گرفت. این دوره پایتون را برای علوم داده و یادگیری ماشین با جزئیات کامل پوشش می دهد و برای مبتدیان در پایتون کاملا ضروری است. بیشتر این دوره به صورت عملی است، از طریق پروژه‌ها و مثال‌هایی که شما را از طریق تکنیک‌های تجزیه و تحلیل داده‌های اکتشافی، توسعه مدل، بهینه‌سازی مدل و تکنیک‌های ارزیابی مدل می‌برد. این دوره به طور گسترده استفاده از کتابخانه های Numpy و Pandas را برای آموزش تحلیل داده های اکتشافی پوشش می دهد. علاوه بر این، کتابخانه‌های Marplotlib و Seaborn را برای ایجاد تجسم‌ها نیز پوشش می‌دهد.


سرفصل ها و درس ها

پروژه ها و مطالعات موردی در مورد یادگیری ماشین با پایتون Projects and Case Studies on Machine Learning with Python

  • مقدمه ای بر مطالعات موردی یادگیری ماشین Introduction to Machine Learning Case Studies

  • راه اندازی محیطی Environmental SetUp

  • بیان مسئله برای رگرسیون خطی Problem Statement for Linear Regression

  • شروع با رگرسیون خطی عادی Starting with Normal linear Regression

  • رگرسیون چند جمله ای Polynomial Regression

  • حذف به عقب Backward Elimination

  • رگرسیون قوی Robust Regression

  • رگرسیون لجستیک Logistic Regression

  • رگرسیون لجستیک ادامه دارد Logistic Regression Continue

  • مقدمه ای بر k-Means Clustering Introduction to k-Means Clustering

  • ایجاد توطئه های پراکنده Creating Scattered Plots

  • ماشین حساب فاصله اقلیدسی Euclidean Distance Calculator

  • چاپ مقادیر Centroid Printing Centroid Values

  • تجزیه و تحلیل تشخیص چهره Analysing Face Detection

  • بیان مسأله Problem Statement

  • ایجاد مدل سری زمانی Creating Model of time Series

  • داده های آموزشی و آزمایشی Training and Testing Data

  • تجزیه و تحلیل خروجی Analysing Output

  • داده های بیت کوین سری زمانی Time Series Bitcoin Data

  • طبقه بندی Classification

  • نوع میوه توزیع Fruit type Distribution

  • مجموعه های آموزشی و آزمایشی ایجاد کنید Create Training and Test Sets

  • ساخت رگرسیون لجستیک Building Logistic Regression

  • درخت تصمیم گیری ساختمان Building Decision Tree

  • K-نزدیکترین همسایه ها K-Nearest Neighbors

  • تحلیل تشخیصی خطی Linear Discriminant Analysis

  • بیز ساده لوح گاوسی Gaussian Naive Bayes

  • مرز تصمیم را ترسیم کنید Plot the Decision Boundary

  • مرز تصمیم را ادامه دهید Plot the Decision Boundary Continue

  • تعریف بیانیه مشکل Defining the Problem Statement

  • آماده سازی داده ها Data Preparation

  • پاک کردن Clean up

  • تاخیر در پرداخت Payment Delays

  • اعتبار ثابت Standing Credit

  • پرداخت ها در ماه های قبل Payments in the Previous Months

  • پیش‌فرض را کاوش کنید Explore Defaulting

  • آمار مطلق Absolute Statistics

  • شروع با مهندسی ویژگی Starting with Feature Engineering

  • از متغیرها تا قطار From Variables to Train

  • ماتریس های تجسم - سردرگمی و منحنی های AUC Visualization-Confusion Matrices and AUC Curves

  • ایجاد طرح SNS Creating SNS Plot

نمایش نظرات

آموزش پروژه ها و مطالعات موردی در مورد یادگیری ماشین با پایتون
جزییات دوره
4.5 hours
41
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,338
4.7 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.