آموزش کلاس مسترکلاس یادگیری ماشین پیشرفته و یادگیری عمیق 2024

دانلود Advanced Machine Learning & Deep Learning Masterclass 2024

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: استاد هوش مصنوعی با تکنیک‌های یادگیری عمیق ماشین پیشرفته: از شبکه‌های عصبی تا ترانسفورماتورها و فراتر از یادگیری ماشینی یادگیری عمیق پیش‌پردازش پیش‌پردازش داده‌ها سفر علم داده پیش نیازها: دانش پایه ریاضی و پایتون

به کلاس کارشناسی ارشد یادگیری عمیق یادگیری ماشین پیشرفته 2024 خوش آمدید! این دوره جامع هم برای متخصصان کسب و کار و هم برای محققان طراحی شده است و بیش از 24 ساعت محتوای ویدیویی عمیق را ارائه می دهد. چه در برنامه نویسی پایتون تازه کار باشید و چه در این زمینه تجربه داشته باشید، این دوره شما را با تکنیک های یادگیری ماشینی ضروری و یادگیری عمیق، از مهارت های پایه پایتون گرفته تا معماری شبکه های عصبی پیشرفته، مجهز می کند.

آنچه خواهید آموخت:

  • Python for Machine Learning: محیط را تنظیم کنید، از ابزارهای محبوبی مانند Anaconda و PyCharm استفاده کنید و اصول اولیه Python را از طریق آموزش های گام به گام یاد بگیرید.

  • درک پیش‌پردازش داده‌ها: به تجزیه و تحلیل آماری، تکنیک‌های پیش‌پردازش داده‌ها، انتخاب ویژگی و تجسم داده‌ها با Python عمیق بروید.

  • شبکه‌های عصبی مصنوعی: شبکه‌های عصبی را از ابتدا بسازید، چارچوب‌های یادگیری عمیق مانند Keras را کاوش کنید و یک پروژه یادگیری عمیق کامل در تشخیص رقم دست‌نویس اجرا کنید.

  • تسلط پیشرفته در یادگیری عمیق: با ماژول های جامع در شبکه های عصبی کانولوشن (CNN)، ترانسفورماتورها، مدل های زبان بزرگ و مدل های مولد عمیق، فراتر از اصول اولیه بروید. یاد خواهید گرفت که چگونه مدل‌هایی بسازید و آموزش دهید که به نوآوری‌های هوش مصنوعی امروزی، از جمله یادگیری تقویتی و مدل‌های توالی، نیرو می‌دهند.

  • Naive Bayes Classifier NLP: اصول طبقه‌بندی Naive Bayes را بیاموزید و پردازش زبان طبیعی، از جمله نشانه‌گذاری، برچسب‌گذاری بخشی از گفتار، و پروژه‌های NLP در دنیای واقعی را کشف کنید.

  • رگرسیون لجستیک خطی: مدل‌های رگرسیون اصلی با نسخه‌های نمایشی عملی برای سناریوهای تک متغیره و چند متغیره.

این دوره با دموهای عملی عملی، تمرین های کدنویسی و پروژه های دنیای واقعی، برای دانشمندان داده، علاقه مندان به هوش مصنوعی و هر کسی که مشتاق به تسلط بر یادگیری ماشینی و مفاهیم یادگیری عمیق است، ایده آل است. در پایان، دانش و مهارت لازم برای به کارگیری این تکنیک ها را در مسائل پیچیده و دنیای واقعی خواهید داشت.

امروز ثبت نام کنید و تخصص یادگیری ماشینی خود را به سطح بعدی ببرید!


سرفصل ها و درس ها

تنظیم محیط برای یادگیری ماشین پایتون Setting up the Environment for Python Machine Learning

  • پایتون برای یادگیری ماشینی: تنظیم محیط: آناکوندا Python For machine Learning : Setting up the Environment : Anaconda

  • دانلود و راه اندازی Python و PyCharm IDE Downloading and Setting up Python and PyCharm IDE

مبانی پایتون برای یادگیری ماشین [اگر پایتون را می شناسید از این بخش رد شوید] Python Basics For Machine Learning [Skip this section if you know python ]

  • پایتون برای مبتدیان مطلق - متغیرها - قسمت 1 Python For Absolute Beginners - Variables - Part 1

  • پایتون برای مبتدیان مطلق - متغیرها - قسمت 2 Python For Absolute Beginners - Variables - Part 2

  • پایتون برای مبتدیان مطلق - متغیرها - قسمت 3 Python For Absolute Beginners - Variables - Part 3

  • پایتون برای مبتدیان مطلق - لیست ها Python For Absolute Beginners - Lists

  • پایتون برای مبتدیان مطلق - لیست قسمت 2 Python For Absolute Beginners - Lists Part 2

  • پایتون برای مبتدیان مطلق - لیست قسمت 3 Python For Absolute Beginners - Lists Part 3

  • اگر شرایط If conditions

  • اگر دیگر If else

  • بولی boolean

  • حلقه ها loops

  • نسخه ی نمایشی demo

  • دموهای ساده پایتون Simple Python Demos

  • طراحی نرم افزار - فلوچارت ها - دنباله Software Design - Flowcharts - Sequence

  • طراحی نرم افزار - تکرار Software Design - Repetition

  • طراحی نرم افزار - حل مسئله Software Design - Problem Solving

  • فلوچارت پرسش و پاسخ # حل مسئله Flowcharts Questions and Answers # Problem Solving

درک داده ها با آمار و پیش پردازش داده ها Understanding Data With Statistics & Data Pre-processing

  • درک داده ها با آمار: خواندن داده ها از فایل Understanding Data with Statistics: Reading data from file

  • درک داده ها با آمار: بررسی ابعاد داده ها Understanding Data with Statistics: Checking dimensions of Data

  • درک داده ها با آمار: خلاصه آماری داده ها Understanding Data with Statistics: Statistical Summary of Data

  • درک داده ها با آمار: همبستگی بین ویژگی ها Understanding Data with Statistics: Correlation between attributes

  • پیش پردازش داده - مقیاس گذاری با نمایش در پایتون Data Pre-processing - Scaling with a demonstration in python

  • پیش پردازش داده ها - عادی سازی، باینری سازی، استانداردسازی در پایتون Data Pre-processing - Normalization , Binarization , Standardization in Python

  • ویژگی تکنیک های انتخاب: انتخاب تک متغیره feature Selection Techniques : Univariate Selection

تجسم داده ها با پایتون Data Visualization with Python

  • آماده سازی داده ها و نمودار میله ای Data preparation and Bar Chart

  • تجسم داده ها با هیستوگرام پایتون، نمودار دایره ای و غیره. Data Visualization with Python Histogram , Pie Chart, etc..

شبکه های عصبی مصنوعی [جلسات جامع] Artificial Neural Networks [ Comprehensive Sessions]

  • مقدمه ای بر شبکه های عصبی مصنوعی Introduction to Artificial Neural Networks

  • ایجاد اولین ANN از ابتدا با پایتون Creating the First ANN from Scratch with Python

  • نورون ورودی چندگانه Multiple Input Neuron

  • ایجاد یک لایه ساده از نورون ها، با 4 ورودی. # پایتون # از ابتدا Creating a simple layer of neurons, with 4 inputs. # Python # From scratch

  • ANN - مثال گویا ANN - Illustrative Example

  • آموزش KERAS - توسعه یک شبکه عصبی مصنوعی در پایتون - گام به گام KERAS Tutorial - Developing an Artificial Neural Network in Python -Step by Step

  • یادگیری عمیق - تشخیص ارقام دست نویس [گام به گام] [پروژه کامل] Deep Learning -Handwritten Digits Recognition [Step by Step] [Complete Project ]

طبقه بندی کننده ساده بیز با پایتون [سخنرانی و نمایش] Naive Bayes Classifier with Python [Lecture & Demo]

  • سخنرانی و نمایش: طبقه بندی کننده ساده و بی تکلف بیز Lecture & Demo: Naive bayes classifier

پردازش زبان طبیعی برای دانشمندان داده Natural Language Processing for Data Scientists

  • تنظیم محیط برای NLP - ACH Setting up the Environment for NLP - ACH

  • مقدمه ای بر توکن سازی Introduction to Tokenization

  • دانلود و راه اندازی NLTK Downloading and Setting up NLTK

  • آموزش توکن سازی Tokenization Tutorial

  • مقدمه ای بر عادی سازی Introduction to Normalization

  • آموزش عادی سازی Normalization Tutorial

  • مقدمه ای بر بخشی از برچسب گذاری گفتار Introduction to Part of Speech Tagging

  • بخشی از آموزش برچسب گذاری گفتار Part of Speech Tagging Tutorial

  • مقدمه ای بر Stopwords Introduction to Stopwords

  • سخنرانی شناخت موجودیت با نام Named Entity Recognition Lecture

  • آموزش تشخیص نهاد با نام Named Entity Recognition Tutorial

  • سخنرانی طبقه بندی Classification Lecture

  • آموزش طبقه بندی قسمت 1: پیش پردازش نقد فیلم Classification Tutorial Part 1: Preprocessing movie reviews

  • آموزش طبقه بندی قسمت 2: مجموعه ویژگی ها Classification Tutorial Part 2: Feature Sets

  • آموزش طبقه بندی قسمت 3: ساده لوح بیز Classification Tutorial Part 3: Naive Bayes

  • تمرین تکلیف طبقه بندی Classification Homework Exercise

  • کاربردهای دنیای واقعی NLP [پروژه کامل] - مقدمه Real World Applications of NLP [Complete Project] - Introduction

  • ایجاد اپلیکیشن توییتر Creating a Twitter Application

  • دریافت مجموعه تست Getting the Test Set

  • آماده سازی مجموعه آموزشی Preparing the Training Set

  • پیش پردازش Preprocessing

  • طبقه بندی Classification

  • تست مدل Testing the Model

رگرسیون خطی Linear regression

  • رگرسیون خطی Linear regression

  • نسخه نمایشی رگرسیون خطی تک متغیره [دستی] قسمت 1- رگرسیون خطی Univariate Linear Regression Demo [Hands-on] Part 1- Linear Regression

  • نسخه نمایشی رگرسیون خطی تک متغیره [دستی] قسمت 2- رگرسیون خطی Univariate Linear Regression Demo [Hands-on] Part 2- Linear Regression

مقدمه ای بر خوشه بندی [K - Means Clustering ] Introduction to clustering [K - Means Clustering ]

  • خوشه بندی clustering

مسترکلاس یادگیری عمیق Deep Learning Masterclass

  • تکنیک های پیشرفته یادگیری ماشین Advanced Machine Learning Techniques

  • معماری CNN CNN Architecture

  • مدل های زبان بزرگ Large Language Models

  • ترانسفورماتورها Transformers

  • مدل های مولد عمیق Deep Generative Models

  • شبکه های عصبی عمیق Deep Neural Networks

  • مدل های دنباله عمیق Deep Sequence Models

  • یادگیری تقویتی Reinforcement Learning

  • وضعیت یادگیری عمیق Status of Deep Learning

نمایش نظرات

آموزش کلاس مسترکلاس یادگیری ماشین پیشرفته و یادگیری عمیق 2024
جزییات دوره
25.5 hours
71
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,506
4.5 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

Academy of Computing & Artificial Intelligence Academy of Computing & Artificial Intelligence

مدرس ارشد / سرپرست پروژه / مشاور من 9 سال سابقه کار به عنوان محقق ، مدرس ارشد ، ناظر پروژه و مهندس دارم. کارشناسی ارشد هوش مصنوعی (دانشگاه موراتووا) ، مهندسی نرم افزار کارشناسی - افتخارات درجه یک (دانشگاه وست مینستر) ، SCJP ، SCWC من کارشناسی ارشد هوش مصنوعی را گذرانده ام. مهندسی نرم افزار کارشناسی ارشد - افتخارات درجه یک از دانشگاه وست مینستر (انگلستان). Sun Certified Java Programmer (SCJP). - 93٪ و یک توسعه دهنده مجاز وب Sun Component 97٪. . من تجربه تحقیق در داده کاوی ، یادگیری ماشین ، رایانش ابری ، هوش تجاری و مهندسی نرم افزار را دارم

Maninda Wickrema Edirisooriya Maninda Wickrema Edirisooriya

کارشناس یادگیری ماشین