آموزش استادی هوش مصنوعی مولد و ChatGPT برای علم داده و پایتون - آخرین آپدیت

دانلود Generative AI & ChatGPT Mastery for Data Science and Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

به دوره آموزشی "تسلط بر هوش مصنوعی تولیدی و ChatGPT برای علم داده و پایتون" خوش آمدید!

با پروژه‌های عملی، هوش مصنوعی تولیدی، ChatGPT و مهندسی سریع را برای علم داده و پایتون از صفر تا صد یاد بگیرید.

هوش مصنوعی (AI) نحوه تعامل ما با فناوری را متحول می‌کند و تسلط بر ابزارهای هوش مصنوعی برای هر کسی که به دنبال پیشرفت در عصر دیجیتال است، ضروری شده است.

در دنیای داده‌محور امروزی، توانایی تجزیه و تحلیل داده‌ها، استخراج بینش‌های معنادار و به کارگیری الگوریتم‌های یادگیری ماشین از هر زمان دیگری حیاتی‌تر است. این دوره برای راهنمایی شما در هر مرحله از این سفر طراحی شده است، از اصول اولیه تحلیل اکتشافی داده (EDA) گرفته تا تسلط بر الگوریتم‌های پیشرفته یادگیری ماشین، همگی با استفاده از قدرت ChatGPT-4o.

کاربرد علم داده یک مهارت مورد تقاضا در بسیاری از صنایع در سراسر جهان است - از جمله امور مالی، حمل و نقل، آموزش، تولید، منابع انسانی و بانکداری. دوره‌های علم داده را با پایتون، آمار، یادگیری ماشین و موارد دیگر برای افزایش دانش خود کاوش کنید. اگر به تحقیق، آمار و تجزیه و تحلیل علاقه دارید، آموزش علم داده را دریافت کنید.

یادگیری ماشین سیستم‌هایی را توصیف می‌کند که با استفاده از مدلی که بر روی داده‌های دنیای واقعی آموزش داده شده است، پیش‌بینی می‌کنند. به عنوان مثال، فرض کنید می‌خواهیم سیستمی بسازیم که بتواند تشخیص دهد آیا گربه‌ای در یک تصویر وجود دارد یا خیر. ابتدا تصاویر زیادی را برای آموزش مدل یادگیری ماشین خود جمع‌آوری می‌کنیم. در طول این مرحله آموزش، تصاویر را به همراه اطلاعاتی در مورد اینکه آیا آنها حاوی گربه هستند یا خیر، به مدل می‌دهیم. در حین آموزش، مدل الگوهایی را در تصاویر یاد می‌گیرد که نزدیک‌ترین ارتباط را با گربه‌ها دارند. سپس این مدل می‌تواند از الگوهای آموخته شده در طول آموزش برای پیش‌بینی اینکه آیا تصاویر جدیدی که به آن داده می‌شود حاوی گربه هستند یا خیر، استفاده کند.

یک دوره یادگیری ماشین به شما فناوری و مفاهیم پشت متن پیش‌بینی‌کننده، دستیارهای مجازی و هوش مصنوعی را آموزش می‌دهد. شما می‌توانید مهارت‌های اساسی مورد نیاز برای پیشرفت در ساخت شبکه‌های عصبی و ایجاد عملکردهای پیچیده‌تر از طریق زبان‌های برنامه‌نویسی پایتون و R را توسعه دهید.

ما بیشتر از هر زمان دیگری داده داریم. اما داده‌ها به تنهایی نمی‌توانند چیز زیادی در مورد دنیای اطرافمان به ما بگویند. ما باید اطلاعات را تفسیر کنیم و الگوهای پنهان را کشف کنیم. اینجاست که علم داده وارد می‌شود. علم داده از الگوریتم‌ها برای درک داده‌های خام استفاده می‌کند. تفاوت اصلی بین علم داده و تجزیه و تحلیل داده‌های سنتی، تمرکز آن بر پیش‌بینی است.

مربیان پایتون در آکادمی OAK در همه چیز از توسعه نرم‌افزار گرفته تا تجزیه و تحلیل داده تخصص دارند و به دلیل آموزش موثر و دوستانه خود برای دانش‌آموزان در تمام سطوح شناخته می‌شوند.

چه در یادگیری ماشین یا امور مالی کار کنید و چه به دنبال شغلی در توسعه وب یا علم داده هستید، پایتون یکی از مهم‌ترین مهارت‌هایی است که می‌توانید یاد بگیرید. پایتون، برنامه نویسی پایتون، مثال های پایتون، مثال پایتون، پایتون عملی، پایتون پای‌چارم، پای‌چارم پایتون، پایتون با مثال ها، پایتون: پایتون را با مثال های عملی واقعی پایتون بیاموزید، یادگیری پایتون، پایتون واقعی

سینتکس ساده پایتون به ویژه برای برنامه‌های دسکتاپ، وب و تجاری مناسب است. فلسفه طراحی پایتون بر خوانایی و قابلیت استفاده تأکید دارد. پایتون بر این مبنا توسعه یافته است که فقط یک راه (و ترجیحاً یک راه واضح) برای انجام کارها وجود دارد، فلسفه‌ای که منجر به سطح سختگیرانه‌ای از استانداردسازی کد شده است. زبان برنامه‌نویسی اصلی بسیار کوچک است و کتابخانه استاندارد نیز بزرگ است. در واقع، کتابخانه بزرگ پایتون یکی از بزرگترین مزایای آن است که ابزارهای مختلفی را برای برنامه نویسان ارائه می‌دهد که برای بسیاری از وظایف مناسب است.

آنچه این دوره ارائه می‌دهد:

در این دوره، درک عمیقی از کل خط لوله تجزیه و تحلیل داده و یادگیری ماشین به دست خواهید آورد. چه در این زمینه تازه کار باشید و چه به دنبال گسترش دانش فعلی خود هستید، رویکرد عملی ما شما را به مهارت‌هایی مجهز می‌کند که برای مقابله با چالش‌های داده دنیای واقعی به آن نیاز دارید.

شما با غواصی در اصول EDA شروع خواهید کرد، جایی که نحوه کاوش، تجسم و تفسیر مجموعه‌داده‌ها را یاد خواهید گرفت. با راهنمایی گام به گام، تکنیک‌های پاک‌سازی، تبدیل و تجزیه و تحلیل داده‌ها را برای کشف روندها، الگوها و نقاط پرت—مراحل کلیدی قبل از ورود به مدل‌سازی پیش‌بینی‌کننده—را فرا خواهید گرفت.

چرا ChatGPT-4o؟

این دوره به طور منحصربه‌فردی ChatGPT-4o، ابزار هوش مصنوعی نسل بعدی را برای کمک به شما در طول سفر یادگیری خود ادغام می‌کند. ChatGPT-4o با خودکارسازی وظایف، کمک به تولید کد، پاسخ دادن به پرسش‌ها و ارائه پیشنهاداتی برای تجزیه و تحلیل و بهینه‌سازی مدل بهتر، بهره‌وری شما را افزایش می‌دهد. خواهید دید که چگونه این هوش مصنوعی پیشرفته گردش‌های کاری تجزیه و تحلیل داده را متحول می‌کند و سطوح جدیدی از کارایی و خلاقیت را باز می‌کند.

تسلط بر یادگیری ماشین:

هنگامی که پایه‌های شما در EDA محکم شد، این دوره شما را از طریق الگوریتم‌های پیشرفته یادگیری ماشین مانند رگرسیون لجستیک، درخت‌های تصمیم، جنگل تصادفی و موارد دیگر راهنمایی می‌کند. شما نه تنها یاد خواهید گرفت که چگونه این الگوریتم‌ها کار می‌کنند، بلکه چگونه آنها را با استفاده از مجموعه‌داده‌های دنیای واقعی پیاده‌سازی و بهینه‌سازی کنید. در پایان این دوره، در انتخاب مدل‌های مناسب، تنظیم دقیق ابرپارامترها و ارزیابی عملکرد مدل با اطمینان مهارت خواهید داشت.

آنچه یاد خواهید گرفت:

  • تحلیل اکتشافی داده (EDA): بر تکنیک‌های تجزیه و تحلیل و تجسم داده‌ها، تشخیص روندها و آماده‌سازی داده‌ها برای مدل‌سازی تسلط پیدا کنید.

  • الگوریتم‌های یادگیری ماشین: الگوریتم‌هایی مانند رگرسیون لجستیک، درخت‌های تصمیم و جنگل تصادفی را پیاده‌سازی کنید و درک کنید که چه زمانی و چگونه از آنها استفاده کنید.

  • ادغام ChatGPT-4o: از قابلیت‌های هوش مصنوعی ChatGPT-4o برای خودکارسازی گردش‌های کاری، تولید کد و بهبود بینش‌های داده استفاده کنید.

  • کاربردهای دنیای واقعی: دانش به دست آمده را برای حل مسائل پیچیده و تصمیم‌گیری‌های مبتنی بر داده در صنایعی مانند امور مالی، مراقبت‌های بهداشتی و فناوری اعمال کنید.

  • تکنیک‌های هوش مصنوعی نسل بعدی: تکنیک‌های پیشرفته‌ای را کاوش کنید که هوش مصنوعی را با یادگیری ماشین ترکیب می‌کنند و مرزهای تجزیه و تحلیل داده را جابجا می‌کنند.

چرا این دوره برجسته است:

برخلاف دوره‌های سنتی علم داده، این دوره نظریه را با عمل ترکیب می‌کند. شما فقط نحوه انجام تجزیه و تحلیل داده یا ساخت مدل‌های یادگیری ماشین را یاد نخواهید گرفت—همچنین این مهارت‌ها را در سناریوهای دنیای واقعی با راهنمایی از ChatGPT-4o به کار خواهید برد. پروژه‌های عملی تضمین می‌کنند که در پایان دوره، می‌توانید با اطمینان هر چالشی در داده را در حرفه خود بر عهده بگیرید.

در این دوره، شما یاد خواهید گرفت:

    • هوش مصنوعی چیست؟

    • هوش مصنوعی محدود (ANI)

    • هوش مصنوعی عمومی (AGI)

    • هوش مصنوعی فوق بشری (ASI)

    • زیرمجموعه‌های هوش مصنوعی - یادگیری ماشین

    • زیرمجموعه‌های هوش مصنوعی - یادگیری عمیق

    • یادگیری ماشین در مقابل یادگیری عمیق

    • مطالعه یادگیری ماشین با یک مثال واقعی

    • مدل‌های زبان بزرگ (LLM)

    • پردازش زبان طبیعی (NLP)

    • هشداری قبل از تغییر به ChatGPT

    • انقلابی دوران: OpenAI

    • انقلاب عصر: ایجاد حساب ChatGPT

    • بیایید با رابط ChatGPT آشنا شویم

    • ChatGPT: تفاوت بین نسخه‌ها

    • تفاوت در رابط ChatGPT-4

    • نقاط پایانی ChatGPT

    • راز ChatGPT برای پاسخ‌های دقیق‌تر: Prompt

    • قدرت مهندسی سریع

    • خلاصه اصول مهندسی سریع

    • مهندسی سریع: پیام‌های نمونه

    • بهترین سوالات در مهندسی سریع

    • خلاصه بهترین سوالات در مهندسی سریع

    • تقویت موضوع از طریق یک سناریو

    • ترسیم نقشه راه برای Prompt

    • درخواست نوشتن هدایت‌شده

    • روش توضیح واضح

    • یادگیری مبتنی بر مثال

    • RGC (نقش، اهداف، زمینه)

    • پاسخ‌های محدود

    • اضافه کردن جذابیت بصری

    • به روز رسانی Prompt

    • افزونه ChatGPT-Google

    • ایمیل نوشتن

    • خلاصه کردن ویدیوهای یوتیوب

    • با ChatGPT صحبت کنید

    • دسترسی سریع به ChatGPT

    • غواصی در وب‌سایت‌ها

    • دریافت کمک Prompt

    • استفاده از API ChatGPT

    • خواندن فایل

    • خواندن بصری

    • تولید بصری (معرفی DALL-E)

    • بهبود تصاویر با DALL-E

    • بهبود تصاویر از طریق پیام‌های آماده

    • ترکیب تصاویر

    • یک سایت کمکی برای پیام‌های بصری

    • GPT ها

    • GPT خود را ایجاد کنید

    • GPT های مفید

    • خبر بزرگ: معرفی ChatGPT-4o

    • چگونه از ChatGPT-4o استفاده کنیم؟

    • توسعه زمانی ChatGPT

    • قابلیت‌های ChatGPT-4o چیست؟

    • به عنوان یک برنامه: ChatGPT

    • ارتباط صوتی با ChatGPT-4o

    • ترجمه فوری به بیش از 50 زبان

    • آماده‌سازی مصاحبه با ChatGPT-4o

    • تفسیر بصری با ChatGPT-4o

    • آشنایی با مجموعه داده با استفاده از ChatGPT

    • شروع کار با تحلیل اکتشافی داده (EDA) با استفاده از ChatGPT

    • انجام تحلیل یک متغیره با استفاده از ChatGPT

    • انجام تحلیل دو متغیره با استفاده از ChatGPT

    • انجام تحلیل چند متغیره با استفاده از ChatGPT

    • انجام تحلیل همبستگی با استفاده از ChatGPT

    • آماده‌سازی داده‌ها برای مدل یادگیری ماشین با استفاده از ChatGPT

    • ایجاد یک مدل یادگیری ماشین با استفاده از الگوریتم رگرسیون خطی با ChatGPT

    • توسعه مدل یادگیری ماشین با استفاده از ChatGPT

    • انجام مهندسی ویژگی با استفاده از ChatGPT

    • انجام بهینه‌سازی ابرپارامتر با استفاده از ChatGPT

    • بارگیری مجموعه داده با استفاده از ChatGPT

    • انجام تحلیل اولیه بر روی مجموعه داده با استفاده از ChatGPT

    • انجام اولین عملیات بر روی مجموعه داده با استفاده از ChatGPT

    • مقابله با مقادیر از دست رفته با استفاده از ChatGPT

    • انجام تحلیل دو متغیره با CatPLot با استفاده از ChatGPT

    • انجام تحلیل دو متغیره با KdePLot با استفاده از ChatGPT

    • بررسی همبستگی متغیرها با استفاده از ChatGPT

    • انجام یک عملیات get_dummies با استفاده از ChatGPT

    • آماده‌سازی برای مدل‌سازی رگرسیون لجستیک با استفاده از ChatGPT

    • ایجاد یک مدل رگرسیون لجستیک با استفاده از ChatGPT

    • بررسی معیارهای ارزیابی در مدل رگرسیون لجستیک با استفاده از ChatGPT

    • انجام یک عملیات GridSearchCv با استفاده از ChatGPT

    • بازسازی مدل با بهترین پارامترها با استفاده از ChatGPT

خلاصه

  • مبتدیانی که به دنبال یک مقدمه ساختاریافته و جامع برای تجزیه و تحلیل داده‌ها و یادگیری ماشین هستند.

  • علاقه‌مندان به داده که به دنبال افزایش مهارت‌های تجزیه و تحلیل و مدل‌سازی مبتنی بر هوش مصنوعی خود هستند.

  • متخصصانی که می‌خواهند ابزارهای هوش مصنوعی مانند ChatGPT-4o را در گردش‌های کاری داده خود ادغام کنند.

  • هر کسی که علاقه‌مند به تسلط بر هنر تجزیه و تحلیل داده، یادگیری ماشین و تکنیک‌های هوش مصنوعی نسل بعدی است.

آنچه به دست خواهید آورد:

در پایان این دوره، ابزاری قدرتمند خواهید داشت که شما را قادر می‌سازد:

  • داده‌های خام را با EDA به بینش‌های عملی تبدیل کنید.

  • مدل‌های یادگیری ماشین را با اطمینان بسازید، ارزیابی کنید و تنظیم دقیق کنید.

  • از ChatGPT-4o برای ساده‌سازی تجزیه و تحلیل داده، خودکارسازی وظایف تکراری و تولید نتایج سریع‌تر استفاده کنید.

  • تکنیک‌های پیشرفته هوش مصنوعی را برای مقابله با مشکلات سطح صنعت و تصمیم‌گیری‌های مبتنی بر داده اعمال کنید.

این دوره دروازه شما برای تسلط بر تجزیه و تحلیل داده، یادگیری ماشین و هوش مصنوعی است و به گونه‌ای طراحی شده است که هم دانش نظری و هم مهارت‌های عملی مورد نیاز برای موفقیت در دنیای داده‌محور امروزی را در اختیار شما قرار دهد.

در این سفر کامل با ما همراه شوید و پتانسیل کامل داده‌ها را با ChatGPT-4o و الگوریتم‌های پیشرفته یادگیری ماشین باز کنید. بیایید شروع کنیم!

کیفیت تولید ویدیو و صدا

تمام ویدیوهای ما به صورت ویدیوی با کیفیت بالا و صدا ایجاد/تولید می‌شوند تا بهترین تجربه یادگیری را برای شما فراهم کنند.

شما،

  • به وضوح خواهید دید

  • به وضوح خواهید شنید

  • بدون حواس‌پرتی در دوره حرکت خواهید کرد

شما همچنین دریافت خواهید کرد:

دسترسی مادام العمر به دوره

پشتیبانی سریع و دوستانه در بخش پرسش و پاسخ

گواهینامه تکمیل Udemy آماده برای دانلود

همین حالا غواصی کنید!

ما پشتیبانی کامل ارائه می‌دهیم و به هر سوالی پاسخ می‌دهیم.

شما را در دوره آموزشی "تسلط بر هوش مصنوعی تولیدی و ChatGPT برای علم داده و پایتون" می‌بینیم.

با پروژه‌های عملی، هوش مصنوعی تولیدی، ChatGPT و مهندسی سریع را برای علم داده و پایتون از صفر تا صد یاد بگیرید.


سرفصل ها و درس ها

هوش مصنوعی: مفاهیم، زیرمجموعه‌ها و مثال‌های واقعی Artificial Intelligence: Concepts, Subsets, and Real-World Examples

  • هوش مصنوعی چیست؟ What is Artificial Intelligence?

  • هوش مصنوعی محدود (ANI) Artificial Narrow Intelligence (ANI)

  • هوش مصنوعی عمومی (AGI) Artificial General Intelligence (AGI)

  • هوش مصنوعی فوق العاده (ASI) Artificial Super Intelligence (ASI)

  • زیرمجموعه های هوش مصنوعی - یادگیری ماشین Subsets of Artificial Intelligence - Machine Learning

  • زیرمجموعه های هوش مصنوعی - یادگیری عمیق Subsets of Artificial Intelligence - Deep Learning

  • یادگیری ماشین در مقابل یادگیری عمیق Machine Learning vs. Deep Learning

  • مطالعه یادگیری ماشین با یک مثال واقعی: درس 1 Machine Learning Study with a Real Example: Lesson 1

  • مطالعه یادگیری ماشین با یک مثال واقعی: درس 2 Machine Learning Study with a Real Example: Lesson 2

  • مدل های زبانی بزرگ (LLM) Large Language Models(LLM)

  • پردازش زبان طبیعی (NLP) Natural Language Processing(NLP)

کاوش در ChatGPT: راه اندازی، نسخه ها و نقاط پایانی Exploring ChatGPT: Setup, Versions, and Endpoints

  • یک هشدار قبل از تغییر به ChatGPT A Warning Before Switching to ChatGPT

  • انقلابی عصر: OpenAI Revolutionary of the Era: OpenAI

  • انقلاب عصر: ایجاد یک حساب ChatGPT The Revolution of the Age: Creating a ChatGPT Account

  • بیایید با رابط ChatGPT آشنا شویم Let's Get to Know the ChatGPT Interface

  • ChatGPT: تفاوت بین نسخه ها ChatGPT: Differences Between Versions

  • تفاوت در رابط ChatGPT-4 Differences in the ChatGPT-4 Interface

  • نقاط پایانی ChatGPT ChatGPT's Endpoints

هنر مهندسی پرامپت: تکنیک ها و مثال ها The Art of Prompt Engineering: Techniques and Examples

  • راز ChatGPT برای پاسخ های دقیق تر: پرامپت ChatGPT's Secret to More Accurate Answers: Prompt

  • قدرت مهندسی پرامپت: درس 1 Prompt Engineering Power: Lesson 1

  • قدرت مهندسی پرامپت: درس 2 Prompt Engineering Power: Lesson 2

  • قدرت مهندسی پرامپت: درس 3 Prompt Engineering Power: Lesson 3

  • قدرت مهندسی پرامپت: درس 4 Prompt Engineering Power: Lesson 4

  • خلاصه ای از اصول مهندسی پرامپت Summary of Prompt Engineering Fundamentals

  • مهندسی پرامپت: نمونه پرامپت ها Prompt Engineering: Sample Prompts

سوالات مهم در مهندسی پرامپت: یک بررسی عمیق Critical Questions in Prompt Engineering: A Deep Dive

  • بهترین سوالات در مهندسی پرامپت: درس 1 Best Questions in Prompt Engineering: Lesson 1

  • بهترین سوالات در مهندسی پرامپت: درس 2 Best Questions in Prompt Engineering: Lesson 2

  • بهترین سوالات در مهندسی پرامپت: درس 3 Best Questions in Prompt Engineering: Lesson 3

  • بهترین سوالات در مهندسی پرامپت: درس 4 Best Questions in Prompt Engineering: Lesson 4

  • بهترین سوالات در مهندسی پرامپت: درس 5 Best Questions in Prompt Engineering: Lesson 5

  • خلاصه ای از بهترین سوالات در مهندسی پرامپت Summary of the Best Questions in Prompt Engineering

  • تقویت موضوع از طریق یک سناریو Reinforcing the topic through a scenario

تکنیک های موثر برای ایجاد پرامپت Effective Techniques for Crafting Prompts

  • رسم نقشه راه برای پرامپت Drawing a Roadmap to the Prompt

  • درخواست نوشتن هدایت شده Directed Writing Request

  • روش توضیح واضح Clear Explanation Method

  • یادگیری مبتنی بر مثال Example-Based Learning

  • RGC (نقش، اهداف، زمینه) RGC(Role, Goals, Context)

تلاش های تقویت پرامپت Prompt Strengthening Efforts

  • پاسخ های محدود Constrained Responses

  • افزودن جذابیت بصری Adding Visual Appeal

  • به روز رسانی های پرامپت درس 1 Prompt Updates Lesson 1

  • به روز رسانی های پرامپت درس 2 Prompt Updates Lesson 2

  • به روز رسانی های پرامپت درس 3 Prompt Updates Lesson 3

  • به روز رسانی های پرامپت درس 4 Prompt Updates Lesson 4

افزونه های مفید با ChatGPT Useful extensions with ChatGPT

  • افزونه ChatGPT-Google ChatGPT-Google Extension

  • نوشتن ایمیل Email Writing

  • خلاصه کردن ویدیوهای یوتیوب Summarizing YouTube Videos

  • صحبت با ChatGPT Talk to ChatGPT

  • دسترسی سریع به ChatGPT Quick Access to ChatGPT

  • غوطه ور شدن در وب سایت ها Dive Into Websites

  • دریافت کمک پرامپت Get Prompt Assistance

قابلیت های ChatGPT ChatGPT Capabilities

  • استفاده از API چت جی پی تی Using the ChatGPT API

  • خواندن فایل File Reading

  • خواندن بصری Visual Reading

  • تولید بصری (معرفی DALL-E) Visual Generation (DALL-E Introduction)

  • بهبود تصاویر با DALL-E Enhancing Images with DALL-E

  • بهبود تصاویر از طریق پرامپت های آماده Improving Visuals Through Ready-Made Prompts

  • ترکیب تصاویر Combining Images

  • یک سایت کمک کننده برای پرامپت های بصری A Helper Site for Visual Prompts

  • GPTها GPTs

  • GPT خودت را بساز Create Your Own GPT

  • GPT های مفید: درس 1 Useful GPTs: Lesson 1

  • GPT های مفید: درس 2 Useful GPTs: Lesson 2

  • GPT های مفید: درس 3 Useful GPTs: Lesson 3

ChatGPT-4o رها شده: نوآوری ها در ارتباطات و یادگیری ChatGPT-4o Unleashed: Innovations in Communication and Learning

  • خبر بزرگ: معرفی ChatGPT-4o Big News: Introducing ChatGPT-4o

  • چگونه از ChatGPT-4o استفاده کنیم؟ How to Use ChatGPT-4o?

  • توسعه زمانی ChatGPT Chronological Development of ChatGPT

  • قابلیت های ChatGPT-4o چیست؟ What Are the Capabilities of ChatGPT-4o?

  • به عنوان یک برنامه: ChatGPT As an App: ChatGPT

  • ارتباط صوتی با ChatGPT-4o Voice Communication with ChatGPT-4o

  • ترجمه فوری در 50+ زبان Instant Translation in 50+ Languages

  • آماده سازی مصاحبه با ChatGPT-4o Interview Preparation with ChatGPT-4o

  • تفسیر بصری با ChatGPT-4o: درس 1 Visual Commentary with ChatGPT-4o: Lesson 1

  • تفسیر بصری با ChatGPT-4o: درس 2 Visual Commentary with ChatGPT-4o: Lesson 2

فایل ها و منابع پروژه Project Files and Sources

  • منبع Source

  • پرامپت ها Prompts

  • لینک گیت هاب Github Link

  • لینک کگل Kaggle Link

ChatGPT - راهنمای کاربری به روز شده و بررسی اجمالی مدل ChatGPT – Updated User Guide and Model Overview

  • اطلاعیه مهم Important Announcement

  • آخرین به روز رسانی های ChatGPT - بررسی رابط نسخه رایگان ChatGPT Latest Updates – Free Version Interface Review

  • آخرین به روز رسانی های ChatGPT - بررسی رابط نسخه پولی ChatGPT Latest Updates – Paid Version Interface Review

  • مدل ChatGPT 4o Chatgpt 4o Model

  • ChatGPT 4o با وظیفه برنامه ریزی شده و مدل 4.5 Chatgpt 4o with scheduled task & 4.5 model

  • مدل ChatGPT o1 & o3 & o3 mini ChatGPT o1 & o3 & o3 mini model

  • ChatGPT - مدل های دیگر ChatGPT – Other Models

  • ChatGPT Canvas ChatGPT Canvas

  • ChatGPT - جستجو و تحقیق عمیق ChatGPT – Search & Deep Research

معرفی ابزارها و ویژگی های DeepSeek Introduction to DeepSeek Tools and Features

  • اطلاعیه مهم Important Announcement

  • معرفی DeepSeek - درس 1 DeepSeek Introduction - Lesson 1

  • معرفی DeepSeek - درس 2 DeepSeek Introduction - Lesson 2

  • ایجاد یک حساب DeepSeek Creating a DeepSeek Account

  • بیایید با رابط DeepSeek آشنا شویم Let's get to know the DeepSeek Interface

  • نوشتن پرامپت با DeepSeek درس 1 Writing prompts with DeepSeek Lesson 1

  • نوشتن یک پرامپت با DeepSeek- DeepThink (R1) Writing a Prompt with DeepSeek- DeepThink (R1)

  • نوشتن یک پرامپت با DeepSeek- دکمه جستجو Writing a Prompt with DeepSeek- Search Button

  • بارگذاری و خواندن فایل ها با DeepSeek Uploading and Reading Files with DeepSeek

  • تجزیه و تحلیل بصری با DeepSeek- تفسیر نمودار Visual Analysis with DeepSeek- Graph Interpretation

  • مطالعات بصری دیگری که می توان با DeepSeek انجام داد Other Visual Studies That Can Be Done with DeepSeek

معرفی ابزارها و ویژگی های Copilot Introduction to Copilot Tools and Features

  • معرفی Copilot درس 1 Copilot Introduction Lesson 1

  • معرفی Copilot درس 2 Copilot Introduction Lesson 2

  • ایجاد یک حساب Copilot Creating a Copilot Account

  • بررسی رابط Copilot Copilot Interface Review

  • مقایسه Copilot در مقابل ChatGPT Copilot vs. ChatGPT Comparison

  • مقایسه Copilot - DeepSeek Copilot – DeepSeek Comparison

  • Copilot - داستان نویسی Copilot – Story Writing

  • Copilot - عمیق تر فکر کنید Copilot – Think Deeper

  • خواندن فایل ها با Copilot Reading Files with Copilot

  • تجزیه و تحلیل بصری با Copilot Visual Analysis with Copilot

  • تولید تصاویر بصری با Copilot Generating Visuals with Copilot

معرفی ابزارها و ویژگی های Gemini Introduction to Gemini Tools and Features

  • معرفی Gemini Gemini Introduction

  • بررسی رابط Gemini Gemini Interface Review

  • یادآوری عمومی نسخه Gemini Gemini Version General Reminder

  • Gemini - نسخه 2.0 Flash Gemini – 2.0 Flash Version

  • Gemini - تفکر آزمایشی 2.0 Flash Gemini – 2.0 Flash Thinking Experimental

  • Gemini - نسخه آزمایشی 2.0 Flash با برنامه ها Gemini – 2.0 Flash Experimental with Apps

  • Gemini - تحقیق عمیق Gemini – Deep Research

  • Gemini - شخصی سازی (آزمایشی) Gemini – Personalization (Experimental)

  • عملیات روی خروجی Gemini Operations on Gemini Output

  • تجزیه و تحلیل بصری Gemini Gemini Visual Analysis

  • خواندن فایل Gemini Gemini File Reading

  • تولید تصاویر با Gemini Generating Images with Gemini

  • Gemini Imagen 3 در مقابل OpenAI DALL·E Gemini Imagen 3 vs OpenAI DALL·E

  • Gemini AI - کار با یک مجموعه داده روش 1 Gemini AI – Working with a Dataset Method 1

  • Gemini AI - کار با یک مجموعه داده روش 2 (Colab - قدرت Gemini) Gemini AI – Working with a Dataset Method 2 (Colab – Gemini Power)

معرفی ابزارها و ویژگی های Claude Introduction to Claude Tools and Features

  • معرفی Claude AI Claude AI Introduction

  • بررسی رابط Claude Claude Interface Review

  • Claude 3.7 Sonnet & حالت عادی درس 1 Claude 3.7 Sonnet & Normal Mode Lesson 1

  • Claude 3.7 Sonnet & حالت عادی درس 2 Claude 3.7 Sonnet & Normal Mode Lesson 2

  • Claude 3.5 Haiku & حالت گسترده Claude 3.5 Haiku & Extended Mode

  • Claude 3.5 Sonnet & Claude Opus Claude 3.5 Sonnet & Claude Opus

  • پردازش متون طولانی با Claude - درس 1 Processing Long Texts with Claude – Lesson 1

  • پردازش متون طولانی با Claude - درس 2 Processing Long Texts with Claude – Lesson 2

  • تجزیه و تحلیل بصری با Claude Visual Analysis with Claude

معرفی ابزارها و ویژگی های Grok Introduction to Grok Tools and Features

  • معرفی Grok Grok Introduction

  • بررسی رابط Grok Grok Interface Review

  • مدل Grok 3 - درس 1 Grok 3 Model – Lesson 1

  • مدل Grok 3 - درس 2 Grok 3 Model – Lesson 2

  • مدل Grok 2 درس 1 Grok 2 Model Lesson 1

  • مدل Grok 2 درس 2 Grok 2 Model Lesson 2

  • Grok DeepResearch Grok DeepResearch

  • Grok - تحقیق عمیق تر Grok – Deeper Research

  • Grok - حالت تفکر Grok – Think Mode

  • Grok - تولید بصری Grok – Visual Generation

  • Grok - خواندن فایل Grok – File Reading

  • تجزیه و تحلیل بصری Grok Grok Visual Analysis

کاوش در مجموعه داده و دانش زمینه Dataset Exploration and Field Knowledge

  • ChatGPT برای معرفی هوش مصنوعی مولد ChatGPT for Generative AI Introduction

  • دسترسی به مجموعه داده Accessing the Dataset

  • اولین وظیفه: دانش زمینه First Task: Field Knowledge

  • استفاده از DeepSeek AI - اولین وظیفه - دانش زمینه Using DeepSeek AI- First Task- Field Knowledge

  • استفاده از Copilot AI - اولین وظیفه - دانش زمینه Using Copilot AI - First Task - Field Knowledge

  • استفاده از Gemini AI - اولین وظیفه - دانش زمینه Using Gemini AI - First Task - Field Knowledge

  • ادامه با دانش زمینه Continuing with Field Knowledge

  • استفاده از DeepSeek AI - ادامه با دانش زمینه Using DeepSeek AI- Continuing with Field Knowledge

  • بارگذاری مجموعه داده و درک متغیرها Loading the Dataset and Understanding Variables

  • وارد شدن به جزئیات متغیرها Delving into the Details of Variables

تجزیه و تحلیل متغیر: داده های از دست رفته، مقادیر منحصر به فرد و آمار Variable Analysis: Missing Data, Unique Values, and Statistics

  • بیایید اولین تجزیه و تحلیل را انجام دهیم Let's Perform the First Analysis

  • استفاده از DeepSeek AI بیایید اولین تجزیه و تحلیل را انجام دهیم Using DeepSeek AI Let's Perform the First Analysis

  • به روز رسانی نام متغیرها Updating Variable Names

  • بررسی مقادیر از دست رفته Examining Missing Values

  • بررسی مقادیر منحصر به فرد Examining Unique Values

  • استفاده از DeepSeek AI - بررسی مقادیر منحصر به فرد Using DeepSeek AI- Examining Unique Values

  • استفاده از Copilot AI - بررسی مقادیر منحصر به فرد Using Copilot AI - Examining Unique Values

  • استفاده از Gemini AI - بررسی مقادیر منحصر به فرد Using Gemini AI – Examining Unique Values

  • بررسی آمار متغیرها درس 1 Examining Statistics of Variables Lesson 1

  • بررسی آمار متغیرها درس 2 Examining Statistics of Variables Lesson 2

  • بررسی آمار متغیرها درس 3 Examining Statistics of Variables Lesson 3

  • استفاده از DeepSeek AI - بررسی آمار متغیرها Using DeepSeek AI- Examining Statistics of Variables

  • استفاده از Copilot AI - بررسی آمار متغیرها Using Copilot AI – Examining Statistics of Variables

  • استفاده از Gemini AI - بررسی آمار متغیرها Using Gemini AI - Examining Statistics of Variables

تجزیه و تحلیل اکتشافی داده ها (EDA) 1 Exploratory Data Analysis (EDA) 1

  • تجزیه و تحلیل اکتشافی داده ها (EDA) Exploratory Data Analysis (EDA)

  • متغیرهای طبقه بندی شده (تجزیه و تحلیل با نمودار دایره ای) درس 1 Categorical Variables (Analysis with Pie Chart) Lesson 1

  • متغیرهای طبقه بندی شده (تجزیه و تحلیل با نمودار دایره ای) درس 2 Categorical Variables (Analysis with Pie Chart) Lesson 2

  • متغیرهای طبقه بندی شده (تجزیه و تحلیل با نمودار دایره ای) درس 3 Categorical Variables (Analysis with Pie Chart) Lesson 3

  • متغیرهای طبقه بندی شده (تجزیه و تحلیل با نمودار دایره ای) درس 4 Categorical Variables (Analysis with Pie Chart) Lesson 4

  • متغیرهای طبقه بندی شده (تجزیه و تحلیل با نمودار دایره ای) درس 5 Categorical Variables (Analysis with Pie Chart) Lesson 5

تجزیه و تحلیل اکتشافی داده ها (EDA) 2 Exploratory Data Analysis (EDA) 2

  • اهمیت تجزیه و تحلیل دو متغیره در علم داده Importance of Bivariate Analysis in Data Science

  • متغیرهای عددی در مقابل متغیر هدف درس 1 Numerical Variables vs Target Variable Lesson 1

  • متغیرهای عددی در مقابل متغیر هدف درس 2 Numerical Variables vs Target Variable Lesson 2

  • متغیرهای عددی در مقابل متغیر هدف درس 3 Numerical Variables vs Target Variable Lesson 3

  • متغیرهای عددی در مقابل متغیر هدف درس 4 Numerical Variables vs Target Variable Lesson 4

  • متغیرهای دسته ای در مقابل متغیر هدف درس 1 Categoric Variables vs Target Variable Lesson 1

  • متغیرهای دسته ای در مقابل متغیر هدف درس 2 Categoric Variables vs Target Variable Lesson 2

  • متغیرهای دسته ای در مقابل متغیر هدف درس 3 Categoric Variables vs Target Variable Lesson 3

  • متغیرهای دسته ای در مقابل متغیر هدف درس 4 Categoric Variables vs Target Variable Lesson 4

  • متغیرهای دسته ای در مقابل متغیر هدف درس 5 Categoric Variables vs Target Variable Lesson 5

تجزیه و تحلیل اکتشافی داده ها (EDA) 3 Exploratory Data Analysis (EDA) 3

  • همبستگی بین متغیرهای عددی و دسته ای و متغیر هدف Correlation Between Numerical and Categorical Variables and the Target Variable

  • همبستگی بین متغیرهای عددی و دسته ای و متغیر هدف Correlation Between Numerical and Categorical Variables and the Target Variable

  • بررسی متغیرهای عددی در بین خودشان درس 1 Examining Numeric Variables Among Themselves Lesson 1

  • بررسی متغیرهای عددی در بین خودشان درس 2 Examining Numeric Variables Among Themselves Lesson 2

  • متغیرهای عددی - متغیرهای دسته ای درس 1 Numerical Variables - Categorical Variables Lesson 1

  • متغیرهای عددی - متغیرهای دسته ای درس 2 Numerical Variables - Categorical Variables Lesson 2

  • متغیرهای عددی - متغیرهای دسته ای درس 3 Numerical Variables - Categorical Variables Lesson 3

  • متغیرهای عددی - متغیرهای دسته ای درس 4 Numerical Variables - Categorical Variables Lesson 4

  • متغیرهای عددی - متغیرهای دسته ای درس 5 Numerical Variables - Categorical Variables Lesson 5

  • متغیرهای عددی - متغیرهای دسته ای با نمودار Swarm درس 1 Numerical Variables - Categorical Variables with Swarm Plot Lesson 1

  • متغیرهای عددی - متغیرهای دسته ای با نمودار Swarm درس 2 Numerical Variables - Categorical Variables with Swarm Plot Lesson 2

  • متغیرهای عددی - متغیرهای دسته ای با نمودار Swarm درس 3 Numerical Variables - Categorical Variables with Swarm Plot Lesson 3

  • متغیرهای عددی - متغیرهای دسته ای با نمودار Swarm درس 4 Numerical Variables - Categorical Variables with Swarm Plot Lesson 4

  • متغیرهای عددی - متغیرهای دسته ای با نمودار Swarm درس 5 Numerical Variables - Categorical Variables with Swarm Plot Lesson 5

  • متغیرهای عددی - متغیرهای دسته ای با نمودار Swarm درس 6 Numerical Variables - Categorical Variables with Swarm Plot Lesson 6

  • روابط بین متغیرها (تجزیه و تحلیل با Heatmap) درس 1 Relationships between variables (Analysis with Heatmap) Lesson 1

  • روابط بین متغیرها (تجزیه و تحلیل با Heatmap) درس 2 Relationships between variables (Analysis with Heatmap) Lesson 2

آماده سازی برای مدل سازی Preparation for Modeling

  • آماده سازی برای مدل سازی Preparation for Modeling

  • حذف ستون ها با همبستگی کم Dropping Columns with Low Correlation

  • مبارزه با پرت ها Struggling Outliers

  • تجسم پرت ها درس 1 Visualizing Outliers Lesson 1

  • تجسم پرت ها درس 2 Visualizing Outliers Lesson 2

  • تجسم پرت ها درس 3 Visualizing Outliers Lesson 3

  • مقابله با پرت ها درس 1 Dealing with Outliers Lesson 1

  • مقابله با پرت ها درس 2 Dealing with Outliers Lesson 2

  • مقابله با پرت ها درس 3 Dealing with Outliers Lesson 3

  • مقابله با پرت ها درس 4 Dealing with Outliers Lesson 4

  • مقابله با پرت ها درس 5 Dealing with Outliers Lesson 5

  • تعیین توزیع ها Determining Distributions

  • تعیین توزیع های متغیرهای عددی درس 1 Determining Distributions of Numeric Variables Lesson 1

  • تعیین توزیع های متغیرهای عددی درس 2 Determining Distributions of Numeric Variables Lesson 2

  • تعیین توزیع های متغیرهای عددی درس 3 Determining Distributions of Numeric Variables Lesson 3

  • تعیین توزیع های متغیرهای عددی درس 4 Determining Distributions of Numeric Variables Lesson 4

  • تعیین توزیع های متغیرهای عددی درس 5 Determining Distributions of Numeric Variables Lesson 5

  • اعمال روش رمزگذاری One Hot به متغیرهای دسته ای درس Applying One Hot Encoding Method to Categorical Variables Lesson

  • اعمال روش رمزگذاری One Hot به متغیرهای دسته ای درس 2 Applying One Hot Encoding Method to Categorical Variables Lesson 2

  • مقیاس بندی ویژگی با روش RobustScaler برای الگوریتم های یادگیری ماشین Feature Scaling with the RobustScaler Method for Machine Learning Algorithms

  • جدا کردن داده ها به مجموعه تست و آموزش Separating Data into Test and Training Set

الگوریتم یادگیری ماشین - رگرسیون لجستیک Machine Learning Algorithm – Logistic Regression

  • الگوریتم رگرسیون لجستیک درس 1 Logistic Regression Algorithm Lesson 1

  • الگوریتم رگرسیون لجستیک درس 2 Logistic Regression Algorithm Lesson 2

  • اعتبارسنجی متقابل Cross Validation

  • منحنی ROC و سطح زیر منحنی (AUC) درس 1 ROC Curve and Area Under Curve (AUC) Lesson 1

  • منحنی ROC و سطح زیر منحنی (AUC) درس 2 ROC Curve and Area Under Curve (AUC) Lesson 2

  • بهینه سازی ابرپارامتر (با GridSearchCV) Hyperparameter Optimization (with GridSearchCV)

  • تنظیم ابرپارامتر برای مدل رگرسیون لجستیک Hyperparameter Tuning for Logistic Regression Model

الگوریتم یادگیری ماشین - درخت تصمیم و SVM Machine Learning Algorithm – Decision Tree & SVM

  • الگوریتم درخت تصمیم درس 1 Decision Tree Algorithm Lesson 1

  • الگوریتم درخت تصمیم درس 2 Decision Tree Algorithm Lesson 2

  • الگوریتم ماشین بردار پشتیبان درس 1 Support Vector Machine Algorithm Lesson 1

  • الگوریتم ماشین بردار پشتیبان درس 2 Support Vector Machine Algorithm Lesson 2

الگوریتم یادگیری ماشین - جنگل تصادفی Machine Learning Algorithm – Random Forest

  • الگوریتم جنگل تصادفی درس 1 Random Forest Algorithm Lesson 1

  • الگوریتم جنگل تصادفی درس 2 Random Forest Algorithm Lesson 2

  • الگوریتم جنگل تصادفی درس 3 Random Forest Algorithm Lesson 3

  • الگوریتم جنگل تصادفی درس 4 Random Forest Algorithm Lesson 4

نتیجه گیری Conclusion

  • نتیجه گیری پروژه Project Conclusion

  • پیشنهادات و اختتامیه Suggestions and Closing

نصب ها Installations

  • نصب توزیع Anaconda برای ویندوز Installing Anaconda Distribution for Windows

  • نصب توزیع Anaconda برای MacOS Installing Anaconda Distribution for MacOs

  • نصب توزیع Anaconda برای لینوکس Installing Anaconda Distribution for Linux

  • بررسی دفترچه یادداشت Jupyter Reviewing The Jupyter Notebook

  • بررسی آزمایشگاه Jupyter Reviewing The Jupyter Lab

بخش 1: الگوریتم رگرسیون خطی با ChatGPT Section 1: Linear Regression Algorithm with ChatGPT

  • آشنایی با مجموعه داده با استفاده از ChatGPT Getting to know the dataset using ChatGPT

  • شروع با تجزیه و تحلیل اکتشافی داده ها (EDA) Getting started with Exploratory Data Analysis(EDA)

  • انجام تجزیه و تحلیل تک متغیره با استفاده از ChatGPT: درس 1 Perform Univariate Analysis using ChatGPT: Lesson 1

  • انجام تجزیه و تحلیل تک متغیره با استفاده از ChatGPT: درس 2 Perform Univariate Analysis using ChatGPT: Lesson 2

  • انجام تجزیه و تحلیل دو متغیره با استفاده از ChatGPT Perform Bivariate Analysis using ChatGPT

  • انجام تجزیه و تحلیل چند متغیره با استفاده از ChatGPT Perform Multivariate Analysis using ChatGPT

  • انجام تجزیه و تحلیل همبستگی با استفاده از ChatGPT Perform Correlation Analysis using ChatGPT

  • آماده سازی داده ها برای مدل یادگیری ماشین با استفاده از ChatGPT: درس 1 Prepare data for machine learning model using ChatGPT: Lesson 1

  • آماده سازی داده ها برای مدل یادگیری ماشین با استفاده از ChatGPT: درس 2 Prepare data for machine learning model using ChatGPT: Lesson 2

  • ایجاد یک مدل یادگیری ماشین با استفاده از الگوریتم رگرسیون خطی Create a machine learning model using the Linear Regression algorithm

  • توسعه مدل یادگیری ماشین با استفاده از ChatGPT Develop machine learning model using ChatGPT

  • انجام مهندسی ویژگی با استفاده از ChatGPT Perform Feature Engineering using ChatGPT

  • انجام بهینه سازی ابرپارامتر با استفاده از ChatGPT Performing Hyperparameter Optimization using ChatGPT

الگوریتم رگرسیون لجستیک با ChatGPT Logistic Regression Algorithm with ChatGPT

  • بارگیری مجموعه داده با استفاده از ChatGPT Loading Dataset using ChatGPT

  • انجام تجزیه و تحلیل اولیه بر روی مجموعه داده با استفاده از ChatGPT Perform initial analysis on Dataset using ChatGPT

  • انجام اولین عملیات بر روی مجموعه داده با استفاده از ChatGPT Performing the first operation on the Dataset using ChatGPT

  • مقابله با مقادیر از دست رفته با استفاده از ChatGPT: درس 1 Tackling Missing values using ChatGPT: Lesson 1

  • مقابله با مقادیر از دست رفته با استفاده از ChatGPT: درس 2 Tackling Missing values using ChatGPT: Lesson 2

  • مقابله با مقادیر از دست رفته با استفاده از ChatGPT: درس 3 Tackling Missing values using ChatGPT: Lesson 3

  • مقابله با مقادیر از دست رفته با استفاده از ChatGPT: درس 4 Tackling Missing values using ChatGPT: Lesson 4

  • انجام تجزیه و تحلیل دو متغیره با CatPLot با استفاده از ChatGPT Performing Bivariate analysis with CatPLot using ChatGPT

  • انجام تجزیه و تحلیل دو متغیره با KdePLot با استفاده از ChatGPT Performing Bivariate analysis with KdePLot using ChatGPT

  • بررسی همبستگی متغیرها با استفاده از ChatGPT: درس 1 Examining the correlation of variables using ChatGPT: Lesson 1

  • بررسی همبستگی متغیرها با استفاده از ChatGPT: درس 2 Examining the correlation of variables using ChatGPT: Lesson 2

  • انجام یک عملیات get_dummies با استفاده از ChatGPT Perform a get_dummies operation using ChatGPT

  • آماده سازی برای مدل سازی رگرسیون لجستیک با استفاده از ChatGPT Prepare for Logistic Regression modeling using ChatGPT

  • ایجاد یک مدل رگرسیون لجستیک با استفاده از ChatGPT Create a Logistic Regression model using ChatGPT

  • بررسی معیارهای ارزیابی در مدل رگرسیون لجستیک با استفاده از ChatGPT - 1 Examining evaluation metrics on the Logistic Regression model using ChatGPT - 1

  • بررسی معیارهای ارزیابی در مدل رگرسیون لجستیک با استفاده از ChatGPT -2 Examining evaluation metrics on the Logistic Regression model using ChatGPT -2

  • انجام یک عملیات GridSearchCV با استفاده از ChatGPT Perform a GridSearchCV operation using ChatGPT

  • بازسازی مدل با بهترین پارامترها با استفاده از ChatGPT Model reconstruction with best parameters using ChatGPT

اضافی Extra

  • تسلط بر هوش مصنوعی مولد و ChatGPT برای علم داده و پایتون Generative AI & ChatGPT Mastery for Data Science and Python

نمایش نظرات

آموزش استادی هوش مصنوعی مولد و ChatGPT برای علم داده و پایتون
جزییات دوره
33 hours
276
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
142
4.8 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

OAK Academy OAK Academy

کارآفرین

OAK Academy Team OAK Academy Team

مربی

Ali̇ CAVDAR Ali̇ CAVDAR

دانشمند داده و مدرس IT