تسلط بر علم داده: سفر به یادگیری ماشین

Data Science Mastery: Journey into Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشین، علم داده و یادگیری عمیق با پایتون کسب مهارت در استفاده از کتابخانه های پایتون که معمولاً در علم داده و یادگیری ماشین استفاده می شوند، مانند NumPy، Pandas، و Matplotlib. با نحوه پاکسازی و پیش پردازش مجموعه داده ها، از جمله مدیریت داده های از دست رفته، نقاط پرت، و مقیاس بندی ویژگی ها آشنا شوید. کسب دانش در مورد تکنیک های تجزیه و تحلیل داده های اکتشافی برای استخراج بینش و الگوها از داده ها. بر مبانی تحلیل آماری تسلط داشته باشید و از روش های آماری برای تفسیر و نتیجه گیری از داده ها استفاده کنید. اصول یادگیری ماشین و الگوریتم های مختلف آن مانند رگرسیون، طبقه بندی و خوشه بندی را درک کنید. بیاموزید که چگونه مدل ها و تکنیک های یادگیری ماشینی مناسب را برای انواع مختلف مسائل و مجموعه داده ها انتخاب کنید. توسعه مهارت‌ها در مهندسی ویژگی و انتخاب برای افزایش عملکرد مدل‌های یادگیری ماشین. پیش نیازها: فقط اشتیاق به یادگیری!

دوره آموزشی Python for Data Science and Machine Learning برای تجهیز زبان آموزان به درک جامعی از برنامه نویسی پایتون، تکنیک های علم داده و الگوریتم های یادگیری ماشین طراحی شده است.

چه شما یک مبتدی هستید که به دنبال ورود به این رشته هستید یا یک حرفه ای با تجربه که به دنبال گسترش مجموعه مهارت های خود هستید، این دوره دانش و تجربه عملی لازم برای برتری در زمینه به سرعت در حال رشد علم داده را ارائه می دهد.


هدف دوره:

1. برنامه نویسی استاد پایتون: یک پایه قوی در برنامه نویسی پایتون، از جمله نحو، ساختارهای داده، جریان کنترل و توابع ایجاد کنید. در استفاده از کتابخانه های پایتون مانند NumPy، Pandas و Matplotlib برای دستکاری و تجسم موثر داده ها مهارت کسب کنید.


2. پاکسازی و پیش پردازش داده ها: یاد بگیرید که چگونه داده های از دست رفته، موارد دورافتاده و قالب های داده ناسازگار را مدیریت کنید. برای اطمینان از کیفیت و قابلیت اطمینان مجموعه داده‌ها، مهارت‌هایی در تکنیک‌های پاکسازی و پیش‌پردازش داده‌ها کسب کنید.


3. تجزیه و تحلیل داده های اکتشافی: درک اصول و تکنیک های تجزیه و تحلیل داده های اکتشافی. نحوه استخراج بینش، کشف الگوها و تجسم داده ها با استفاده از روش های آماری و کتابخانه های پایتون را بیاموزید.


4. تجزیه و تحلیل آماری: درک کاملی از مفاهیم و تکنیک های آماری به دست آورید. از روش های آماری برای تجزیه و تحلیل داده ها، آزمون فرضیه ها و نتیجه گیری معنادار استفاده کنید.


5. مبانی یادگیری ماشین: مبانی یادگیری ماشین، از جمله یادگیری تحت نظارت و بدون نظارت، رگرسیون، طبقه بندی و خوشه بندی را بیاموزید. نقاط قوت و محدودیت های الگوریتم های مختلف یادگیری ماشین را درک کنید.


6. پیاده سازی یادگیری ماشین: تجربه عملی در پیاده سازی مدل های یادگیری ماشین با استفاده از کتابخانه های پایتون مانند scikit-learn به دست آورید. با نحوه آموزش، ارزیابی و بهینه سازی مدل های یادگیری ماشین آشنا شوید.


7. مهندسی ویژگی و انتخاب: مهارت‌هایی را در مهندسی ویژگی برای ایجاد ویژگی‌های معنادار و آموزنده از داده‌های خام توسعه دهید. تکنیک‌های انتخاب ویژگی را برای بهبود عملکرد و تفسیرپذیری مدل بیاموزید.


8. ارزیابی و بهینه‌سازی مدل: یاد بگیرید که چگونه عملکرد مدل‌های یادگیری ماشین را با استفاده از تکنیک‌هایی مانند ارزیابی متقاطع و معیارهای ارزیابی ارزیابی کنید. اهمیت تنظیم و منظم سازی فراپارامتر برای بهینه سازی مدل را درک کنید.


9. مفاهیم یادگیری عمیق: اصول یادگیری عمیق، از جمله شبکه های عصبی، توابع فعال سازی، و بهینه سازی نزول گرادیان را کاوش کنید. درک درستی از معماری های یادگیری عمیق و کاربردهای آنها به دست آورید.


10. یادگیری عمیق عملی: تجربه عملی در ساخت و آموزش شبکه های عصبی با استفاده از چارچوب های یادگیری عمیق محبوب مانند TensorFlow یا PyTorch کسب کنید. بیاموزید که چگونه از تکنیک های یادگیری عمیق برای حل مشکلات دنیای واقعی استفاده کنید.


سرفصل ها و درس ها

معرفی Numpy Introduction to Numpy

  • مقدمه Introduction

  • آرایه Array

  • انواع داده ها Data Types

  • dtype Option و ایجاد آرایه dtype Option and Array Creation

  • عملگرهای حسابی Arithmetic Operators

  • ماتریکس The Matrix

  • افزایش و کاهش Increment and Decrement

  • توابع ufunc و جمع ufunc and Aggregate Functions

  • نمایه سازی Indexing

  • برش دادن Slicing

  • تکرار Iteration

  • آرایه های بولی و شرایط Boolean Arrays and Conditions

  • دستکاری شکل Shape Manipulation

  • پیوستن به آرایه ها Joining Arrays

  • hsplit() و vsplit() hsplit() and vsplit()

  • کپی ها Copies

  • برداری Vectorization

  • پخش Broadcasting

  • آرایه های ساخت یافته Structured Arrays

آشنایی با پانداها Introduction to Pandas

  • آشنایی با پانداها Introduction to Pandas

  • سری Series

  • سری - 2 Series - 2

  • سری - 3 Series - 3

  • DataFrame DataFrame

  • DataFrame - 2 DataFrame - 2

  • DataFrame - 3 DataFrame - 3

  • DataFrame - 4 DataFrame - 4

  • اشیاء شاخص Index Objects

  • فهرست بندی مجدد Reindexing

  • نمایه سازی مجدد - 2 Reindexing - 2

  • محور و سقوط ارزش ها Axis and the Dropping of Values

  • نمایه سازی Indexing

  • نمایه سازی - 2 Indexing - 2

  • استفاده از loc و iloc برای انتخاب Using loc and iloc for Selection

  • شاخص های عدد صحیح Integer Indexes

  • تراز داده ها و حساب Data Alignment & Arithmetic

  • تراز داده ها و محاسبات - 2 Data Alignment & Arithmetic - 2

  • پر کردن مقادیر با روش های حسابی Fill Values with Arithmetic Methods

  • DataFrame و Series و عملیات DataFrame and Series and the Operation

  • برنامه و نقشه برداری Application and Mapping

  • برنامه و نقشه برداری - 2 Application and Mapping - 2

  • رتبه بندی و مرتب سازی Ranking and Sorting

  • رتبه بندی و مرتب سازی - 2 Ranking and Sorting - 2

  • شاخص های محور Axis Indexes

  • محاسبه آمار توصیفی Computing Descriptive Statistics

  • محاسبه آمار توصیفی - 2 Computing Descriptive Statistics - 2

  • شمارش ارزش، عضویت، ارزش های منحصر به فرد Value Counts, Membership, Unique Values

آماده سازی داده ها و پاکسازی داده ها Data Preparation and Data Cleaning

  • اجازه می دهد تا داده های از دست رفته را مدیریت کنیم Lets Handle Missing Data

  • فیلتر کردن داده های از دست رفته Filtration of the Missing Data

  • پر کردن داده های از دست رفته Filling of the Missing Data

  • حذف موارد تکراری Duplicates Removal

  • تابع یا نقشه برداری و تبدیل Function or Mapping and Transformation

  • تابع یا نقشه برداری Function or Mapping

  • تابع یا نقشه برداری - 2 Function or Mapping - 2

  • جایگزینی ارزش ها Values Replacing

  • تغییر نام شاخص های محور Axis Indexes Renaming

  • گسسته سازی و بنینگ Discretization and Binning

  • گسسته سازی و بنینگ - 2 Discretization and Binning - 2

  • گسسته سازی و بنینگ - 3 Discretization and Binning - 3

  • فیلتر کردن و تشخیص نقاط پرت Filtering and Detecting the Outliers

  • نمونه گیری تصادفی و جایگشت Random Sampling and Permutations

  • محاسبه شاخص Indicator Computing

  • محاسبه شاخص - 2 Indicator Computing - 2

  • محاسبه شاخص - 3 Indicator Computing - 3

  • محاسبه شاخص - 4 Indicator Computing - 4

  • روش های شی رشته String Object Methods

  • روش های رشته ای شی - 2 String Object Methods - 2

  • عبارات منظم Regular Expressions

  • عبارات منظم - 2 Regular Expressions - 2

  • عبارات منظم - 3 Regular Expressions - 3

  • توابع رشته برداری شده Vectorized String Functions

  • توابع رشته برداری شده - 2 Vectorized String Functions - 2

  • نمایه سازی سلسله مراتبی Hierarchical Indexing

  • نمایه سازی سلسله مراتبی - 2 Hierarchical Indexing - 2

  • نمایه سازی سلسله مراتبی - 3 Hierarchical Indexing - 3

  • مرتب سازی مجدد و سطوح مرتب سازی Reordering and the Sorting Levels

  • خلاصه کردن آمار و نمایه سازی با ستون های DataFrames Summarizing Statistics and Indexing with DataFrames Columns

  • DataFrame با سبک پایگاه داده بپیوندید DataFrame Join with Database Style

  • DataFrame با سبک پایگاه داده بپیوندید - 2 DataFrame Join with Database Style - 2

  • DataFrame با سبک پایگاه داده بپیوندید - 3 DataFrame Join with Database Style - 3

  • ادغام در شاخص Merging on Index

  • ادغام در شاخص - 2 Merging on Index - 2

  • ادغام در شاخص - 3 Merging on Index - 3

  • ادغام در شاخص - 4 Merging on Index - 4

  • الحاق در امتداد یک محور Concatenating Along an Axis

  • الحاق در امتداد یک محور - 2 Concatenating Along an Axis - 2

  • الحاق در امتداد یک محور - 3 Concatenating Along an Axis - 3

  • ترکیب داده ها با همپوشانی Data Combining with the Overlap

  • نمایه سازی سلسله مراتبی و شکل دهی مجدد Hierarchical Indexing and Reshaping

  • نمایه سازی سلسله مراتبی و شکل دهی مجدد - 2 Hierarchical Indexing and Reshaping - 2

  • pd.ذوب pd.melt

مقدمه ای بر Matplotlib Introduction to Matplotlib

  • مقدمه Introduction

  • ارقام و طرح های فرعی Figures and Subplots

  • شکل ها و طرح های فرعی - 2 Figures and Subplots - 2

  • شکل ها و طرح های فرعی - 3 Figures and Subplots - 3

  • نشانگرها، سبک های خط و رنگ ها Markers, Line Styles and Colors

  • برچسب‌ها، افسانه‌ها و کنه‌ها، عنوان، برچسب‌ها، عنوان‌ها Labels, Legends and Ticks, Title, Ticklabels, Titles

  • برچسب ها، افسانه ها و تیک ها، اضافه کردن یک افسانه Labels, Legends and Ticks, Adding a Legend

  • طراحی روی یک طرح فرعی Drawing on a Subplot

  • طرح های خطی Line Plots

  • قطعه های بار Bar Plots

  • قطعه های نوار - 2 Bar Plots - 2

  • قطعه های نوار - 3 Bar Plots - 3

  • هیستوگرام ها Histograms

  • پلات های پراکنده Scatter Plots

  • داده های دسته بندی و شبکه های وجهی Categorical Data and Facet Grids

مقدمه ای بر عملیات گروهی Introduction to Group Operations

  • مقدمه Introduction

  • مکانیک گروه بای Mechanics of the GroupBy

  • مکانیک گروه بای - 2 Mechanics of the GroupBy - 2

  • تکرار بر روی گروه ها Iterating over the Groups

  • انتخاب یک ستون Selecting a Column

  • گروه بندی با Dicts Grouping with Dicts

  • گروه بندی با توابع Grouping with Functions

  • گروه بندی با توابع - 2 Grouping with Functions - 2

  • تجمیع داده ها Data Aggregation

  • برنامه کاربردی چند منظوره و ستون عاقلانه Multiple Function Application and Column Wise

  • برنامه کاربردی چند منظوره و ستون عاقلانه - 2 Multiple Function Application and Column Wise - 2

  • برگرداندن داده های جمع شده Returning Aggregated Data

  • تقسیم-اعمال-ترکیب Split-Apply-Combine

  • کلیدهای گروهی و تجزیه و تحلیل کوانتیل و سطل Group Keys and Quantile and Bucket Analysis

  • نمونه ای از پر کردن مقادیر گمشده با توجه به مقادیر خاص گروه Example of Filling Missing Values with respect to the Group-Specific Values

  • نمونه ای از نمونه گیری تصادفی و جایگشت Example of Random Sampling and Permutation

  • نمونه ای از میانگین وزنی و همبستگی گروهی Example of Group Weighted Average and Correlation

  • نمونه ای از میانگین وزنی و همبستگی گروهی - 2 Example of Group Weighted Average and Correlation - 2

  • مثالی از رگرسیون خطی گروهی Example of the Group-Wise Linear Regression

  • جداول متقاطع و محوری Cross-Tabulation and Pivot Tables

  • جداول متقاطع و محوری - 2 Cross-Tabulation and Pivot Tables - 2

  • CrossTab CrossTab

سری زمانی در پایتون Time Series in Python

  • زمان انواع داده ها و ابزارها و داده ها Time Data Types and Tools and Data

  • تبدیل تاریخ و رشته بین آنها Datetime and String Conversion Between Them

  • تبدیل تاریخ و رشته بین آنها - 2 Datetime and String Conversion Between Them - 2

  • مبانی سری زمانی Basics of Time Series

  • زیرمجموعه، نمایه سازی، انتخاب Subsetting, Indexing, Selection

  • شاخص‌ها و سری‌های زمانی تکراری Duplicate Indices and Time Series

  • تولید محدوده تاریخ Generation of the Date Ranges

  • تغییر تاریخ و فرکانس Date Offsets and Frequencies

  • تاریخ های هفته از ماه Week of Month Dates

  • تغییر داده ها Shifting Data

  • تغییر تاریخ ها با افست ها Shifting Dates with the Offsets

  • مدیریت منطقه زمانی Time Zone Handling

  • محلی سازی و تبدیل زمان Localization and Conversion of the Time

  • اشیاء مهر زمانی آگاه Aware Timestamp Objects

  • مناطق زمانی مختلف و عملیات بین آنها Different Time Zones and Operations Between Them

  • حساب دوره Period Arithmetic

  • تبدیل فرکانس دوره Conversion of Period Frequency

  • فرکانس های دوره ربع Period Frequencies of Quarters

  • تبدیل مُهرهای زمانی به دوره و برگشت Conversion of Timestamps to Period & Back

  • PeriodIndex از آرایه ها PeriodIndex from Arrays

  • تبدیل فرکانس و نمونه گیری مجدد Frequency Conversion and Resampling

  • کاهش نمونه Downsampling

  • درون یابی و نمونه برداری Interpolation and Upsampling

  • نمونه گیری مجدد با دوره ها Resampling with the Periods

  • پنجره کشویی Sliding Window

  • توابع وزنی نمایی Exponentially Weighted Functions

  • توابع پنجره متحرک باینری Functions of the Binary Moving Window

فقط چند پاندا پیشرفته Just Some Advanced Pandas

  • داده های طبقه بندی شده Categorical Data

  • نوع دسته بندی Categorical Type

  • محاسبات با دسته بندی ها Computations with Categoricals

  • عملکرد سریع با دسته بندی ها Fast Performance with Categories

  • روش های طبقه بندی Categorical Methods

  • متغیرهای ساختگی برای مدل سازی Dummy Variables for Modeling

  • Group Transforms و GroupBy Group Transforms and GroupBy

  • نمونه برداری مجدد از زمان گروه بندی شده Resampling of Grouped Time

  • روش زنجیر زنی Method Chaining

  • لوله Pipe

مدل سازی کتابخانه ها در پایتون Modeling Libraries in Python

  • مقدمه Introduction

  • پانداها و کد مدل Pandas and Model Code

  • پانداها و کد مدل - 2 Pandas and Model Code - 2

  • پتسی Patsy

  • پتسی - 2 Patsy - 2

  • تبدیل داده ها Data Transformations

  • داده های طبقه بندی شده Categorical Data

  • تخمین مدل های خطی Estimating Linear Models

  • برآورد مدل های خطی - 2 Estimating Linear Models - 2

  • تخمین سری زمانی Estimating Time Series

  • Scikit-Learn Scikit-Learn

  • Scikit-Learn - 2 Scikit-Learn - 2

تجزیه و تحلیل داده ها Data Analysis

  • داده های USA.gov USA.gov Data

  • شمارش منطقه زمانی در پایتون Counting Time Zone in Python

  • شمارش منطقه زمانی در پایتون - 2 Counting Time Zone in Python - 2

  • شمارش منطقه زمانی در پایتون - 3 Counting Time Zone in Python - 3

  • مجموعه داده MovieLens 1M MovieLens 1M Dataset

  • مجموعه داده MovieLens 1M - 2 MovieLens 1M Dataset - 2

  • اختلاف رتبه Rating Disagreement

  • نام نوزادان ایالات متحده 1880-2010 US Baby Names 1880-2010

  • نام نوزادان ایالات متحده 1880-2010 - 2 US Baby Names 1880-2010 - 2

  • تجزیه و تحلیل روند نامگذاری Analyzing Naming Trends

  • افزایش تنوع نامگذاری Increase in Naming Diversity

  • افزایش تنوع نامگذاری - 2 Increase in Naming Diversity - 2

  • آخرین نامه Last Letter

  • حرف آخر - 2 Last Letter - 2

  • پایگاه داده غذایی USDA USDA Food Database

  • پایگاه داده غذایی USDA - 2 USDA Food Database - 2

  • پایگاه داده غذایی USDA - 3 USDA Food Database - 3

  • پایگاه داده کمیسیون انتخابات فدرال 2012 2012 Federal Election Commission Database

  • آمار اهدایی بر اساس شغل و کارفرما Donation Statistics by Occupation and Employer

  • مبالغ اهدا و بر اساس ایالت ها Donation Amounts and by States

Numpy پیشرفته در پایتون Advanced Numpy in Python

  • شیء داخلی Object Internals

  • سلسله مراتب dtype dtype Hierarchy

  • تغییر شکل آرایه ها Reshaping Arrays

  • C vs Fortran Order C vs Fortran Order

  • تقسیم و الحاق آرایه ها و r_ و c_ Splitting and Concatenating Arrays and r_ and c_

  • کاشی و تکرار کنید tile and repeat

  • بگیر و بگذار take and put

  • پخش Broadcasting

  • پخش از محورهای دیگر Broadcasting Over Other Axes

  • تنظیم مقادیر آرایه Setting Array Values

  • روش‌های نمونه ufunc ufunc Instance Methods

  • نوشتن Ufuncs جدید Writing New ufuncs

  • Structured، Record Arrays و Nested dtypes Structured, Record Arrays and Nested dtypes

  • اطلاعات بیشتر در مورد مرتب سازی More about Sorting

  • argsort و lexsort argsort and lexsort

  • الگوریتم‌های مرتب‌سازی جایگزین و آرایه‌های مرتب‌سازی جزئی Alternative Sort Algorithms and Partially Sorting Arrays

  • numpy.search sorted numpy.searchsorted

  • نومبا Numba

  • شناسه ها Identifiers

  • کلمات را رزرو کنید Reserve Words

  • رشته ها Strings

آشنایی با کتابخانه پانداها Introduction to Pandas Library

  • به سریال خوش آمدید Welcome to the Series

  • عناصر داخلی و تعیین مقادیر Internal Elements and Assigning Values

  • تعریف سری و فیلتر کردن مقادیر Defining Series and Filtering Values

  • توابع ریاضی و ارزشیابی Mathematical Functions and Evaluating Values

  • مقادیر NaN NaN Values

  • لغت نامه ها و عملیات بین سری ها Dictionaries and Operations between Series

  • DataFrame DataFrame

  • انتخاب عناصر Selecting Elements

  • تخصیص ارزش ها Assigning Values

  • ارزش عضویت، حذف و فیلتر Value Membership, Deleting and Filtering

  • Dict و Transposition تودرتو Nested Dict and Transposition

  • روش ها و برچسب های تکراری Methods and Duplicate Labels

  • فهرست بندی مجدد Reindexing

  • انداختن Dropping

  • حساب و تراز داده ها Arithmetic and Data Alignment

  • روش های حسابی Arithmetic Methods

  • DataFrame و Series و Operations DataFrame and Series and Operations

  • توابع بر اساس عنصر و ردیف یا ستون و آمار Functions by Element and Row or Column and Statistics

  • رتبه بندی و مرتب سازی Ranking and Sorting

  • کوواریانس و همبستگی Covariance and Correlation

  • اختصاص یک مقدار NaN Assigning a NaN Value

  • فیلتراسیون مقدار NaN NaN Value Filtration

  • پر کردن Filling

  • نمایه سازی سلسله مراتبی Hierarchical Indexing

  • مرتب سازی سطوح و مرتب سازی مجدد Sorting Levels and Reordering

  • آمار خلاصه Summary Statistic

مقدمه ای بر دستکاری داده ها Introduction to Data Manipulation

  • مقدمه ای بر دستکاری داده ها Introduction to Data Manipulation

  • ادغام Merging

  • ادغام - 2 Merging - 2

  • ادغام - 3 Merging - 3

  • ادغام در شاخص Merging on Index

  • الحاق Concatenating

  • ترکیب کردن Combining

  • چرخش با نمایه سازی سلسله مراتبی Pivoting with Hierarchical Indexing

  • فرمت طولانی یا انباشته Long or Stacked Format

  • حذف کردن Removing

  • حذف موارد تکراری Duplicates Removal

  • جایگزینی مقادیر از طریق نقشه برداری Replacing Values via Mapping

  • افزودن ارزش ها Adding Values

  • شاخص های محورها Indexes of the Axes

  • بنینگ و گسسته سازی Binning and Discretization

  • فیلتر کردن نقاط پرت Filtering Outliers

  • جایگشت Permutation

  • روش های داخلی رشته ها Built-in Methods of Strings

  • Regex (عبارات منظم) Regex (Regular Expressions)

  • GroupBy GroupBy

  • مثال Example

  • گروه بندی سلسله مراتبی Hierarchical Grouping

  • تکرار گروهی و تبدیل Group Iteration and Transformations

  • توابع Functions

  • تجمیع داده های پیشرفته Advanced Data Aggregation

  • تجمیع داده های پیشرفته - 2 Advanced Data Aggregation - 2

مقدمه ای در تجسم داده ها Introduction in Data Visualization

  • مقدمه ای در تجسم داده ها Introduction in Data Visualization

  • pyplot pyplot

  • خواص قطعه Properties of the Plot

  • Numpy و Matplotlib Numpy and Matplotlib

  • کوارگز Kwargs

  • چندین شکل و محور Multiple Figures and Axes

  • اضافه کردن متن Adding the Text

  • اضافه کردن یک شبکه Adding a Grid

  • اضافه کردن یک افسانه Adding a Legend

  • اضافه کردن یک افسانه - 2 Adding a Legend - 2

  • رسیدگی به مقادیر تاریخ Handling Date Values

  • نمودار خطی Line Chart

  • نمودار خطی - 2 Line Chart - 2

  • نمودار خطی - 3 Line Chart - 3

  • نمودار خطی - 4 Line Chart - 4

  • نمودار خطی با پانداها Line Chart with pandas

  • هیستوگرام Histogram

  • نمودار میله ای The Bar Chart

  • نمودار میله ای افقی Horizontal Bar Chart

  • چند سری با پانداها Multiseries with pandas

  • چند سری انباشته Multiseries Stacked

  • چند سری انباشته - 2 Multiseries Stacked - 2

  • نمودارهای میله ای انباشته با پانداها و رنگ چهره Stacked Bar Charts with pandas and Facecolor

  • نمودار دایره ای Pie Chart

  • نمودار دایره ای - 2 Pie Chart - 2

  • نمودار پای با پانداها Pie Chart with pandas

  • طرح کانتور Contour Plot

  • نمودارهای قطبی Polar Charts

  • سطوح سه بعدی 3D Surfaces

  • طرح پراکندگی به صورت سه بعدی Scatter Plot in 3D

  • نمودار میله ای سه بعدی Bar Chart 3D

  • پلات های چند پانل Multi-Panel Plots

  • شبکه های طرح های فرعی Grids of Subplots

یادگیری ماشینی Machine Learning

  • یادگیری ماشینی Machine Learning

  • یادگیری تحت نظارت و بدون نظارت Supervised and Unsupervised Learning

  • مجموعه داده گل زنبق Iris Flower Dataset

  • مجموعه داده گل زنبق - 2 Iris Flower Dataset - 2

  • مجموعه داده گل زنبق - 3 Iris Flower Dataset - 3

  • تجزیه و تحلیل مؤلفه های اصلی Principal Component Analysis

  • K-نزدیکترین همسایه طبقه بندی کننده K-Nearest Neighbors Classifier

  • مجموعه داده های دیابت Diabetes Dataset

  • رگرسیون خطی - رگرسیون حداقل مربع Linear Regression- Least Square Regression

  • همبستگی خطی بین ویژگی Linear Correlation Between Feature

  • همبستگی بین عوامل روانشناختی Correlations between Psychological Factors

  • ماشین بردار پشتیبانی Support Vector Machine

  • نمودار تقسیم منطقه تصمیم Decision Area Split Graph

  • کاهش نقاط C Decreasing C Points

  • ناحیه تصمیم گیری با استفاده از SVC با هسته RGB Decisional Area using SVC With RGB Kernel

  • طبقه بندی کننده های مختلف SVM با استفاده از مجموعه داده های Iris Different SVM Classifiers using Iris Dataset

  • رگرسیون برداری پشتیبانی (SVR) Support Vector Regression (SVR)

مقدمه ای بر پایتون Introduction to Python

  • مقدمه Introduction

  • اعداد و متغیرها Numbers and Variables

  • بیانیه ها Statements

  • دریافت ورودی Getting Input

  • توابع Functions

  • ماژول ها و cmath Modules and cmath

  • نظرات Comments

  • رشته ها Strings

  • الحاق Concatenation

  • خ و رپر str and repr

  • رشته های بلند Long Strings

  • رشته های خام Raw Strings

  • بایت آرای و یونیکد Bytearray and Unicode

تاپل ها و لیست ها Tuples and Lists

  • تاپل ها و لیست ها Tuples and Lists

  • نمایه سازی Indexing

  • برش دادن Slicing

  • میانبر Shortcut

  • طولانی است Thats Long

  • دنباله ها و ضرب Sequences and Multiplication

  • فهرست های اولیه و خالی Initialization and Empty Lists

  • عضویت Membership

  • حداقل، حداکثر Min, Max

  • تابع فهرست List Function

  • تکالیف آیتم ها، حذف و تخصیص Item Assignments, Deleting and Assigning

  • ضمیمه، کپی و کپی کنید append, copy and copy

  • بشمار و گسترش دهد count and extend

  • درج و پاپ insert and pop

  • حذف، معکوس و مرتب کردن remove, reverse and sort

  • تاپل ها Tuples

رشته ها Strings

  • مقدمه Introduction

  • قالب بندی رشته String Formatting

  • برخی از تبدیل های اساسی Some Basic Conversions

  • دقت، عرض و لایه صفر Precision, Width and Zero-Padding

  • روش های رشته ای String Methods

  • روش های رشته ای - 2 String Methods - 2

  • بپیوندید و پایین بیاورید join and lower

  • جایگزین کردن، تقسیم کردن، بریدن، ترجمه کردن replace, split, strip, translate

لغت نامه ها Dictionaries

  • مقدمه Introduction

  • تابع dict dict Function

  • عملیات Operations

  • قالب بندی رشته String Formatting

  • روشن clear

  • کپی کنید copy

  • از کلیدها fromkeys

  • دریافت کنید get

  • موارد items

  • پاپ و پاپیتم pop and popitem

  • تنظیم پیش فرض setdefault

  • به روز رسانی و مقادیر update and values

حلقه ها و شرایط Loops and Conditionals

  • مقدمه Introduction

  • تکلیف و ترتیب Assignment and Sequence

  • تخصیص زنجیره ای و افزوده شده Chained and Augmented Assignment

  • بلوک ها Blocks

  • اظهارات مشروط Conditional Statements

  • if Statement و سایر بندها if Statement and else Clauses

  • Elif Clauses و Nesting Blocks elif Clauses and Nesting Blocks

  • اپراتورهای مقایسه Comparison Operators

  • اپراتور برابری، است و در اپراتور Equality Operator, is and in Operator

  • رشته و دنباله String and Sequence

  • عملگرهای بولی و ادعاها Boolean Operators and Assertions

  • while و برای حلقه ها while and for Loops

  • تکرار موازی و عددی Parallel and Numbered Iteration

مقدمه ای بر مبانی علم داده و یادگیری ماشین Introduction to Fundamentals of Data Science and Machine Learning

  • مقدمه Introduction

  • مقدمه - 2 Introduction - 2

  • سلام از VP Hello from VP

  • سلام از VP - 2 Hello from VP - 2

  • تجربه گرافیکی Graphical Experience

  • تجربه گرافیکی - 2 Graphical Experience - 2

تجسم داده ها در پایتون Visualizing Data in Python

  • مقدمه Introduction

  • نمودارهای میله ای Bar Charts

  • نمودار میله ای - 2 Bar Charts - 2

  • نمودار میله ای - 3 Bar Charts - 3

  • نمودارهای خطی Line Charts

  • نمودارهای پراکنده Scatterplots

جبر خطی Linear Algebra

  • بردارها Vectors

  • بردارها - 2 Vectors - 2

  • بردارها - 3 Vectors - 3

  • ماتریس ها Matrices

  • ماتریس - 2 Matrices - 2

آمار Statistics

  • مقدمه Introduction

  • آمار Statistics

  • گرایش های مرکزی Central Tendencies

  • گرایش های مرکزی - 2 Central Tendencies - 2

  • پراکندگی Dispersion

  • همبستگی Correlation

  • همبستگی - 2 Correlation - 2

احتمال در پایتون Probability in Python

  • احتمال Probability

  • وابستگی و استقلال Dependence and Independence

  • احتمال شرطی Conditional Probability

  • احتمال پسر و دختر Boy and Girl Probability

  • قضیه بیز Bayes Theorem

  • متغیرهای تصادفی Random Variables

  • توزیع های مستمر Continuous Distributions

  • توزیع عادی Normal Distribution

  • قضیه حد مرکزی Central Limit Theorem

  • قضیه حد مرکزی - 2 Central Limit Theorem - 2

استنتاج و فرضیه Inference and Hypothesis

  • تست فرضیه و نمونه های سکه Hypothesis Testing and Coin Examples

  • نمونه سکه Coin Example

  • نمونه سکه - 2 Coin Example - 2

  • مثال سکه - 3 Coin Example - 3

  • نمونه سکه - 4 Coin Example - 4

  • فاصله اطمینان Confidence Interval

  • هک پی P-Hacking

  • تست A/B A/B Testing

  • استنتاج بیزی Bayesian Inference

گرادیان نزول Gradient Descent

  • گرادیان نزول Gradient Descent

  • تخمین زدن Estimating

  • برآورد - 2 Estimating - 2

  • اندازه گام سمت راست Right Step Size

  • جزئیات اضافی Additional Details

  • نزول گرادیان تصادفی Stochastic Gradient Descent

کاوش داده ها و کار با داده ها Data Exploration and Working with Data

  • کاوش داده ها و کار با داده ها Data Exploration and Working with Data

  • دو بعد Two Dimensions

  • ابعاد فراوان Plenty of Dimensions

  • تمیز کردن Cleaning

  • تمیز کردن - 2 Cleaning - 2

  • دستکاری Manipulation

  • دستکاری - 2 Manipulation - 2

  • دستکاری - 3 Manipulation - 3

  • دستکاری - 4 Manipulation - 4

  • مقیاس مجدد Rescaling

  • تغییر مقیاس - 2 Rescaling - 2

  • کاهش ابعاد Dimensionality Reduction

  • کاهش ابعاد - 2 Dimensionality Reduction - 2

  • کاهش ابعاد - 3 Dimensionality Reduction - 3

مقدمه ای بر یادگیری ماشین (دوباره) Introduction to Machine Learning (Again)

  • مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

  • بیش از حد مناسب و کم تناسب Over-fitting and Under-fitting

  • بیش از حد و کم تناسب - 2 Over-fitting and Under-fitting - 2

  • صحت Correctness

  • صحت - 2 Correctness - 2

  • تعارض-واریانس مبادله Bias-Variance Trade-Off

K-نزدیکترین همسایه ها K-Nearest Neighbors

  • K-نزدیکترین همسایه ها K-Nearest Neighbors

  • مدل Model

  • مدل - 2 Model - 2

  • مثال - زبان مورد علاقه Example - Favorite Language

  • مثال - زبان مورد علاقه - 2 Example - Favorite Language - 2

  • نفرین ابعاد Curse of Dimensionality

  • نفرین ابعاد - 2 Curse of Dimensionality - 2

بیز ساده لوح Naive Bayes

  • بیز ساده لوح Naive Bayes

  • فیلتر اسپم پیچیده Sophisticated Spam Filter

  • پیاده سازی Implementation

رگرسیون خطی ساده Simple Linear Regression

  • رگرسیون خطی ساده Simple Linear Regression

  • مدل Model

  • گرادیان نزول Gradient Descent

  • برآورد حداکثر احتمال Maximum Likelihood Estimation

رگرسیون چندگانه Multiple Regression

  • رگرسیون چندگانه Multiple Regression

  • مفروضات مدل حداقل مربعات Assumptions of Least Square Model

  • برازش مدل Fitting the Model

  • خوبی تناسب Goodness of Fit

  • بوت استرپ Bootstrap

  • خطاهای استاندارد Standard Errors

  • خطاهای استاندارد - 2 Standard Errors - 2

  • منظم سازی Regularization

  • منظم سازی - 2 Regularization - 2

  • منظم سازی - 3 Regularization - 3

رگرسیون لجستیک Logistic Regression

  • رگرسیون لجستیک Logistic Regression

  • رگرسیون لجستیک - 2 Logistic Regression - 2

  • اعمال کردن Applying

  • خوبی تناسب Goodness of Fit

درختان تصمیم Decision Trees

  • درختان تصمیم Decision Trees

  • آنتروپی Entropy

  • آنتروپی یک پارتیشن Entropy of a Partition

  • ایجاد درخت تصمیم Creating a Decision Tree

  • ایجاد درخت تصمیم - 2 Creating a Decision Tree - 2

  • جمع بندی Summing Up

  • جمع بندی - 2 Summing Up - 2

  • جنگل های تصادفی Random Forests

شبکه های عصبی Neural Networks

  • پرسپترون ها Perceptrons

  • شبکه های عصبی پیشخور Feed-Forward Neural Networks

  • پس انتشار Backpropagation

  • شکست دادن یک CAPTCHA Defeating a CAPTCHA

  • شکست دادن یک CAPTCHA - 2 Defeating a CAPTCHA - 2

  • شکست دادن یک CAPTCHA - 3 Defeating a CAPTCHA - 3

خوشه ها Clusters

  • خوشه ها Clusters

  • مدل Model

  • ملاقات Meetup

  • انتخاب k Choosing k

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.

تسلط بر علم داده: سفر به یادگیری ماشین
جزییات دوره
48.5 hours
519
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
927
4.9 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

Tech Career World Tech Career World

مربی Udemy