آموزش برنامه‌نویسی پایتون: یادگیری ماشین، یادگیری عمیق | پایتون - آخرین آپدیت

سرفصل ها و درس ها

مقدمه‌ای بر یادگیری عمیق با برنامه‌نویسی پایتون Intro to Deep Learning with Python programming

• مقدمه‌ای بر یادگیری عمیق با پایتون Introduction to Deep Learning with Python

• فایل‌های پروژه و مستندات دوره: پایتون، یادگیری ماشین، یادگیری عمیق، شی‌گرایی Project Files and Course Documents: Python, machine learning, deep learning, oop

• سوالات متداول در مورد برنامه‌نویسی پایتون FAQ regarding Python Programming

علم داده: راه‌اندازی پایتون برای مک و ویندوز Data Science: Setting Up Python for Mac and Windows

• نصب توزیع آناکوندا و برنامه‌نویسی پایتون Installing Anaconda Distribution and Python Programming

• مروری بر نوت‌بوک ژوپیتر و گوگل کولب Overview of Jupyter Notebook and Google Colab

مبانی برنامه‌نویسی پایتون Fundamentals of Python Programming

• انواع داده در برنامه‌نویسی پایتون Data Types in Python Programming

• عملگرها در برنامه‌نویسی پایتون Operators in Python Programming

• دستورات شرطی در پایتون Conditionals in Python

• حلقه‌ها در پایتون ۳ Loops in Python 3

• لیست‌ها، تاپل‌ها، دیکشنری‌ها و مجموعه‌ها در پایتون Lists, Tuples, Dictionaries and Sets in Python

• عملگرها و متدهای انواع داده در برنامه‌نویسی پایتون Data Type Operators and Methods in Python Programming

• ماژول‌ها در پایتون ۳ Modules in Python 3

• توابع در پایتون Functions in Python

• تحلیل تمرین در برنامه‌نویسی پایتون Exercise Analyse in Python Programming

• راه حل تمرین در پایتون Exercise Solution in Python

• آزمون quiz

برنامه‌نویسی شی‌گرا (OOP) Object Oriented Programming (OOP)

• منطق OOP Logic of OOP

• سازنده در برنامه‌نویسی شی‌گرا (OOP) Constructor of Object Oriented Programming (OOP)

• متدها در برنامه‌نویسی شی‌گرا (OOP) Methods in Object Oriented Programming (OOP)

• وراثت در برنامه‌نویسی شی‌گرا (OOP) Inheritance in Object Oriented Programming (OOP)

• بازنویسی و سربارگذاری در برنامه‌نویسی شی‌گرا (OOP) Overriding and Overloading in Object Oriented Programming (OOP)

• آزمون برنامه‌نویسی شی‌گرا object-oriented-programming Quiz

کتابخانه NumPy NumPy Library

• مقدمه‌ای بر کتابخانه NumPy Introduction to NumPy Library

• لینک فایل‌های پروژه نوت‌بوک در مورد کتابخانه برنامه‌نویسی پایتون NumPy Notebook Project Files Link regarding NumPy Python Programming Language Library

• قدرت NumPy The Power of NumPy

• ۶ نکته و لینک مقاله در مورد نام‌پای، نام‌پای پایتون 6 Article Advice And Links about Numpy, Numpy Pyhon

• ایجاد آرایه NumPy با تابع Array() Creating NumPy Array with The Array() Function

• ایجاد آرایه NumPy با تابع Zeros() Creating NumPy Array with Zeros() Function

• ایجاد آرایه NumPy با تابع Ones() Creating NumPy Array with Ones() Function

• ایجاد آرایه NumPy با تابع Full() Creating NumPy Array with Full() Function

• ایجاد آرایه NumPy با تابع Arange() Creating NumPy Array with Arange() Function

• ایجاد آرایه NumPy با تابع Eye() Creating NumPy Array with Eye() Function

• ایجاد آرایه NumPy با تابع Linspace() Creating NumPy Array with Linspace() Function

• ایجاد آرایه NumPy با تابع Random() Creating NumPy Array with Random() Function

• ویژگی‌های آرایه NumPy Properties of NumPy Array

• تغییر شکل آرایه NumPy: تابع Reshape() Reshaping a NumPy Array: Reshape() Function

• شناسایی بزرگترین عنصر آرایه NumPy Identifying the Largest Element of a Numpy Array

• تشخیص کمترین عنصر آرایه NumPy: Min(), Ar Detecting Least Element of Numpy Array: Min(), Ar

• الحاق آرایه‌های NumPy: تابع Concatenate() Concatenating Numpy Arrays: Concatenate() Functio

• تقسیم آرایه‌های NumPy تک‌بعدی: تابع Split Splitting One-Dimensional Numpy Arrays: The Split

• تقسیم آرایه‌های NumPy دو‌بعدی: تابع Split(), Splitting Two-Dimensional Numpy Arrays: Split(),

• مرتب‌سازی آرایه‌های NumPy: تابع Sort() Sorting Numpy Arrays: Sort() Function

• اندیس‌گذاری آرایه‌های NumPy Indexing Numpy Arrays

• برش‌دهی آرایه‌های NumPy تک‌بعدی Slicing One-Dimensional Numpy Arrays

• برش‌دهی آرایه‌های NumPy دو‌بعدی Slicing Two-Dimensional Numpy Arrays

• تخصیص مقدار به آرایه‌های تک‌بعدی Assigning Value to One-Dimensional Arrays

• تخصیص مقدار به آرایه دو‌بعدی Assigning Value to Two-Dimensional Array

• اندیس‌گذاری فانتزی آرایه‌های تک‌بعدی Fancy Indexing of One-Dimensional Arrrays

• اندیس‌گذاری فانتزی آرایه‌های دو‌بعدی Fancy Indexing of Two-Dimensional Arrrays

• ترکیب اندیس فانتزی با اندیس‌گذاری معمولی Combining Fancy Index with Normal Indexing

• ترکیب اندیس فانتزی با برش‌دهی معمولی Combining Fancy Index with Normal Slicing

• عملیات با عملگرهای مقایسه Operations with Comparison Operators

• عملیات حسابی در NumPy Arithmetic Operations in Numpy

• عملیات آماری در NumPy Statistical Operations in Numpy

• حل معادلات درجه دوم با NumPy Solving Second-Degree Equations with NumPy

• آزمون quiz

بازبینی اختیاری، تمرین‌ها و اطلاعات اضافی از کتابخانه NumPy “(Optional) Recap, Exercises, and Bonus İnfo from the Numpy Library

• NumPy چیست؟ What is Numpy?

• چرا NumPy؟ Why Numpy?

• آرایه و ویژگی‌ها Array and features

• عملگرهای آرایه Array’s Operators

• توابع NumPy Numpy Functions

• اندیس‌گذاری و برش‌دهی Indexing and Slicing

• تمرین‌های NumPy Numpy Exercises

• استفاده از NumPy در جبر خطی Using Numpy in Linear Algebra

• راهنمای NumExpr NumExpr Guide

• آزمون quiz

کتابخانه Pandas Pandas Library

• مقدمه‌ای بر کتابخانه Pandas Introduction to Pandas Library

• لینک فایل‌های پروژه Pandas Pandas Project Files Link

• ایجاد سری Pandas با لیست Creating a Pandas Series with a List

• ایجاد سری Pandas با دیکشنری Creating a Pandas Series with a Dictionary

• ایجاد سری Pandas با آرایه NumPy Creating Pandas Series with NumPy Array

• انواع اشیاء در سری Object Types in Series

• بررسی ویژگی‌های اصلی سری Pandas Examining the Primary Features of the Pandas Series

• پرتکرارترین متدها در سری Pandas Most Applied Methods on Pandas Series

• اندیس‌گذاری و برش‌دهی سری Pandas Indexing and Slicing Pandas Series

• ایجاد DataFrame Pandas با لیست Creating Pandas DataFrame with List

• ایجاد DataFrame Pandas با آرایه NumPy Creating Pandas DataFrame with NumPy Array

• ایجاد DataFrame Pandas با دیکشنری Creating Pandas DataFrame with Dictionary

• بررسی ویژگی‌های DataFrameهای Pandas Examining the Properties of Pandas DataFrames

• عملیات انتخاب عنصر در DataFrameهای Pandas: درس ۱ Element Selection Operations in Pandas DataFrames: Lesson 1

• عملیات انتخاب عنصر در DataFrameهای Pandas: درس ۲ Element Selection Operations in Pandas DataFrames: Lesson 2

• انتخاب عنصر سطح بالا در DataFrameهای Pandas: درس ۱ Top Level Element Selection in Pandas DataFrames: Lesson 1

• انتخاب عنصر سطح بالا در DataFrameهای Pandas: درس ۲ Top Level Element Selection in Pandas DataFrames: Lesson 2

• انتخاب عنصر سطح بالا در DataFrameهای Pandas: درس ۳ Top Level Element Selection in Pandas DataFrames: Lesson 3

• انتخاب عنصر با عملیات شرطی در DataFrameهای Pandas Element Selection with Conditional Operations in Pandas Data Frames

• اضافه کردن ستون به DataFrameهای Pandas Adding Columns to Pandas Data Frames

• حذف سطرها و ستون‌ها از DataFrameهای Pandas Removing Rows and Columns from Pandas Data frames

• مقادیر Null در DataFrameهای Pandas Null Values ​​in Pandas Dataframes

• حذف مقادیر Null: تابع Dropna() Dropping Null Values: Dropna() Function

• پر کردن مقادیر Null: تابع Fillna() Filling Null Values: Fillna() Function

• تنظیم اندیس در DataFrameهای Pandas Setting Index in Pandas DataFrames

• اندیس چندگانه و سلسله مراتب اندیس در DataFrameهای Pandas Multi-Index and Index Hierarchy in Pandas DataFrames

• انتخاب عنصر در DataFrameهای با اندیس چندگانه Element Selection in Multi-Indexed DataFrames

• انتخاب عناصر با استفاده از تابع xs() در DataFrameهای با اندیس چندگانه Selecting Elements Using the xs() Function in Multi-Indexed DataFrames

• الحاق DataFrameهای Pandas: تابع Concat( Concatenating Pandas Dataframes: Concat( Function

• ادغام DataFrameهای Pandas: تابع Merge(): درس ۱ Merge Pandas Dataframes: Merge() Function: Lesson 1

• ادغام DataFrameهای Pandas: تابع Merge(): درس ۲ Merge Pandas Dataframes: Merge() Function: Lesson 2

• ادغام DataFrameهای Pandas: تابع Merge(): درس ۳ Merge Pandas Dataframes: Merge() Function: Lesson 3

• ادغام DataFrameهای Pandas: تابع Merge(): درس ۴ Merge Pandas Dataframes: Merge() Function: Lesson 4

• الحاق DataFrameهای Pandas: تابع Join() Joining Pandas Dataframes: Join() Function

• بارگذاری مجموعه داده از کتابخانه Seaborn Loading a Dataset from the Seaborn Library

• بررسی مجموعه داده ۱ Examining the Data Set 1

• توابع تجمیع در DataFrameهای Pandas Aggregation Functions in Pandas DataFrames

• بررسی مجموعه داده ۲ Examining the Data Set 2

• استفاده هماهنگ از توابع گروه‌بندی و تجمیع در DataFrameهای Pandas Coordinated Use of Grouping and Aggregation Functions in Pandas Dataframes

• توابع تجمیع پیشرفته: تابع Aggregate() Advanced Aggregation Functions: Aggregate() Function

• توابع تجمیع پیشرفته: تابع Filter() Advanced Aggregation Functions: Filter() Function

• توابع تجمیع پیشرفته: تابع Transform() Advanced Aggregation Functions: Transform() Function

• توابع تجمیع پیشرفته: تابع Apply() Advanced Aggregation Functions: Apply() Function

• بررسی مجموعه داده ۳ Examining the Data Set 3

• جداول Pivot در کتابخانه Pandas Pivot Tables in Pandas Library

• دسترسی و در دسترس قرار دادن فایل‌ها Accessing and Making Files Available

• ورود داده با فایل‌های Csv و Txt Data Entry with Csv and Txt Files

• ورود داده با فایل‌های Excel Data Entry with Excel Files

• خروجی با پسوند CSV Outputting as an CSV Extension

• خروجی به صورت فایل Excel Outputting as an Excel File

• آزمون Pandas Pandas Quiz

یادگیری ماشین Machine Learning

• سوالات متداول در مورد یادگیری ماشین FAQ regarding Machine Learning

• هوش مصنوعی، یادگیری ماشین و یادگیری عمیق AI, Machine Learning and Deep Learning

• تاریخچه یادگیری ماشین History of Machine Learning

• ماشین تورینگ و آزمون تورینگ Turing Machine and Turing Test

• یادگیری عمیق چیست What is Deep Learning

• یادگیری بازنمایی‌ها از داده‌ها Learning representations from data

• گردش کار یادگیری ماشین Workflow of Machine Learning

• روش‌های یادگیری ماشین Machine Learning Methods

• روش‌های یادگیری ماشین نظارت شده - ۱ Supervised Machine Learning Methods - 1

• روش‌های یادگیری ماشین نظارت شده - ۲ Supervised Machine Learning Methods - 2

• روش‌های یادگیری ماشین نظارت شده - ۳ Supervised Machine Learning Methods - 3

• روش‌های یادگیری ماشین نظارت شده - ۴ Supervised Machine Learning Methods - 4

• روش‌های یادگیری ماشین بدون نظارت Unsupervised Machine Learning Methods

• جمع‌آوری داده Gathering data

• پیش‌پردازش داده Data pre-processing

• انتخاب الگوریتم و مدل مناسب Choosing the right algorithm and model

• آموزش و تست مدل Training and testing the model

• ارزیابی Evaluation

• آزمون یادگیری ماشین Machine Learning Quiz

شبکه عصبی مصنوعی Artificial Neural Network

• شبکه عصبی مصنوعی (ANN) چیست؟ What is Artificial Neural Network (ANN)?

• آناتومی شبکه عصبی Anatomy of Neural Network

• ساخت یک ANN ساده Creating a Simple ANN

• عملیات تنسور Tensor Operations

• عملیات تنسور ۲ Tensor Operations 2

• رابط Keras Keras API

• بهینه‌سازها Optimizers

• TensorFlow چیست What is TensorFlow

• آزمون quiz

شبکه عصبی کانولوشنال (CNN) Convolutional Neural Network (CNN)

• CNN چیست؟ What is CNN?

• آزمون quiz

شبکه عصبی بازگشتی و LSTM Recurrent Neural Network and LTSM

• درک شبکه‌های RNN و LSTM Understanding RNN and LSTM Networks

• آزمون quiz

یادگیری انتقالی با پایتون Transfer Learning with Python

• یادگیری انتقالی چیست What is Transfer Learning

• آزمون یادگیری ماشین پایتون Python Machine Learning Quiz

پروژه‌ها: پایتون، یادگیری ماشین، یادگیری عمیق، هوش مصنوعی Projects: Python, Machine learning, deep learning, artificial intellegence

• پروژه - ۱: پروژه‌های پایتون Project - 1 : Python Projects

• پروژه - ۲: پروژه‌های پایتون Project - 2 : Python Projects

• پروژه - ۳: پروژه‌های پایتون Project - 3 : Python Projects

• پروژه - ۴: پروژه‌های پایتون Project - 4 : Python Projects

اضافی Extra

• برنامه‌نویسی پایتون: یادگیری ماشین، یادگیری عمیق | پایتون Python Programming: Machine Learning, Deep Learning | Python