آموزش تسلط بر یادگیری ماشین با TensorFlow: از مبانی تا پیشرفته - آخرین آپدیت

شروع یادگیری ماشین Getting Started with Machine Learning

• مقدمه‌ای بر یادگیری ماشین با TensorFlow Introduction to Machine Learning with Tensorflow

• درک مفاهیم یادگیری ماشین Understanding Machine Learning

• ماشین‌ها چگونه یاد می‌گیرند؟ How do Machines Learns

• کاربردهای یادگیری ماشین Uses of Machine Learning

• مثال‌هایی از TensorFlow توسط گوگل Examples with tensorflow by Google

• راه‌اندازی محیط کاری Setting up the Workstation

• شناخت زبان‌های برنامه‌نویسی Understanding program languages

• درک مفاهیم و عملکردهای Jupyter Understanding and Functions of Jupyter

• آموزش نصب Jupyter Learning of Jupyter installation

ابزارهای کار – Jupyter، Anaconda و کتابخانه‌ها Tools of the Trade – Jupyter, Anaconda & Libraries

• آناکوندا کلاد (Anaconda Cloud) چیست؟ Understanding what Anaconda cloud is

• نصب Anaconda برای ویندوز Installation of Anaconda for Windows

• نصب Anaconda در لینوکس Installation of Anaconda in Linux

• کار با Jupyter Notebook Using the Jupyter notebook

• شروع کار با Anaconda Getting started with Anaconda

• بررسی گزینه‌های Cloudberry Determining options for Cloudberry

• مقدمه‌ای بر کتابخانه‌های شخص ثالث Introduction to Third Party Libraries

• آرایه‌های NumPy Numpy-Array

• ادامه آرایه‌های NumPy Numpy-Array Continue

• مفاهیم آرایه‌ها Arrays

• ادامه مبحث آرایه‌ها Arrays Continue

• اندکس‌گذاری (Indexing) Indexing

• ادامه اندکس‌گذاری Indexing Continue

• توابع جهانی (Universal Functions) Universal Functions

تحلیل و بصری‌سازی داده‌ها Data Analysis & Visualization

• مقدمه‌ای بر Pandas Introduction to Pandas

• سری‌های Pandas (Pandas Series) Pandas Series

• ادامه سری‌های Pandas Pandas Series Continue

• وارد کردن داده‌های تصادفی Import Randin

• ادامه وارد کردن داده‌های تصادفی Import Randin Continue

• پارامترها Paratmeters

• اندکس‌گذاری و پایگاه داده Indexing and Database

• مدیریت داده‌های گم‌شده (Missing Data) Missing Data

• گروه‌بندی داده‌های گم‌شده (Groupby) Missing Data-Groupby

• ادامه گروه‌بندی داده‌های گم‌شده Missing Data-Groupby Continue

• اتصال داده‌ها (Concat, Merge, Join) Concat-Merge-Join

• عملیات‌ها Operations

• وارد کردن و خروجی گرفتن (Import Export) Import-Export

• بصری‌سازی در پایتون Python Visualisation

• رسم نمودار با Matplotlib Mat Plotting

• بخش‌بندی نمودارهای متعدد Multiple Plot Subsections

• عملکرد API API Functionality

• عنوان‌گذاری نمودارها Title of the Plot

• تغییر اندازه المان‌ها Change Size of Articles

• رسم دو نمودار متفاوت Two Different Crops

• برچسب‌گذاری در Matplotlib Mat Plotting Label

• رنگ نشانگرها (Marker Color) Marker Color

• ایجاد یک DataFrame جدید Create a New Dataframe

• تغییر استایل نمودار Change the Style

• اندکس و مقدار Index and Value

• بصری‌سازی آماری داده‌ها با Seaborn Seaborn-Statistical Data Visualization

• کتابخانه Seaborn seaborn library

• نمودار Jointplot Jointplot

• نمودار Pairplot Pairplot

• نمودار Barplot Barplot

• نمودار Boxplot Boxplot

• نمودار Stripplot Stripplot

• ماتریس‌ها Matrix

• ادامه مبحث ماتریس‌ها Matrix Continue

• شبکه بندی (Grid) Grid

• ادامه شبکه‌بندی Grid Continue

• استایل‌دهی Style

• جمع‌بندی کتابخانه‌های پایتون Python Libraries Conclusion

پیش‌پردازش و یادگیری ماشین کلاسیک Preprocessing & Classical Machine Learning

• مقدمه‌ای بر محیط Conda Introduction To Conda Envirement

• کتابخانه Scikit Learn Scikit Learn

• ادامه Scikit Learn Scikit Learn Continue

• مجموعه‌داده‌ها (Datasets) Datasets

• مجموعه‌داده کالیفرنیا California Dataset

• بصری‌سازی داده‌ها Data Visualization

• ادامه بصری‌سازی داده‌ها Datavisualization Continue

• دانلود داده‌های تست Downloading a Test Data

• پارامترهای جمعیت Population Parameter

• پردازش داده‌ها Processing

• جایگزینی مقادیر تهی با میانه (Median) Null Values with Median Value

• جایگزینی مقادیر گم‌شده Replace Missing Values

• کدگذار برچسب (Label Encoder) Label Enconder

• وارد کردن Labelencoder Import Labelencoder

• تبدیلات سفارشی (Custom Transformation) Custom Transformation

• ترنسفورمر و ترنسفورمر سفارشی Transformer Custom Transformer

• داده‌های مسکن با ستون‌های سفارشی Housing with Custom Colums

• داده‌های عددی مسکن Numeric Hosing Data

• رگرسیون خطی (Linear Regression) Liner Regression

• تنظیم دقیق مدل (Fine Tuning) Fine Tuning Model

• ادامه تنظیم دقیق مدل Fine Tuning Model Continue

• مرور سریع Quick-Recap

یادگیری عمیق با TensorFlow Deep Learning with TensorFlow

• TensorFlow Tensorflow

• برنامه Hello World در TensorFlow Tensorflow-Hello-World

• عملیات‌های پایه Basic Ops

• ادامه عملیات‌های پایه Basic Ops Continue

• بیشتر درباره عملیات‌های پایه More on Basic Ops

• حالت Eager Mode Eager-Mode

• مفاهیم بنیادی Concept

• رگرسیون خطی Linear-Regression

• مدل خطی Linear-Model

• تابع ضرب ماتریسی Matrix Multiplication Function

• تمرین برای یک مدل خطی ساده Practice for a Simple Linear Model

• تابع هزینه (Cost Function) Cost Function

• بهینه‌ساز خلاق (Creative Optimizer) Creative Optimizer

• مقادیر ورودی و خروجی RR RR Input and Output Value

• رگرسیون لجستیک (Logistic Regression) Logistic-Regression

• مقداردهی اولیه متغیرهای جهانی Global Variabales Initializer

• اجرای بهینه‌ساز Run Optimizer

• ایجاد یک بازه (Range) Create a Range

• مقدمه‌ای بر شبکه‌های عصبی Introduction to Neural Networks

• مفاهیم پایه Basic-Concepts

• توابع فعال‌ساز (Activation Functions) Activative Functions

• توابع فعال‌ساز: از ورودی تا خروجی Activative Functions Input to Output

• توابع دسته‌بندی (Classification Functions) Classification Functions

• زمینه بازی TensorFlow (Playground) Tensorflow-Playground

• مجموعه‌داده Mnist Mnist-Dataset

• ادامه مجموعه‌داده Mnist Mnist-Dataset Continue

• بیشتر درباره مجموعه‌داده Mnist More on Mnist-Dataset