آموزش گواهینامه حرفه ای در یادگیری ماشین

دانلود Professional Certificate in Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: همه مهارت‌ها را بیاموزید تا دانشمند داده شوید و بیش از 500 پروژه هوش مصنوعی را با یادگیری ماشین منبع بسازید - [A -Z] آموزش جامع با راهنمایی گام به گام آموزش نظارت شده - (رگرسیون خطی تک متغیره، رگرسیون خطی چند متغیره، رگرسیون لجستیک، خلیج‌های ساده طبقه بندی، درختان، SVM، جنگل تصادفی) یادگیری بدون نظارت - خوشه‌بندی، K-Means خوشه‌بندی پیش پردازش داده - پیش‌پردازش داده‌ها مرحله‌ای است که در آن داده‌ها تبدیل می‌شوند یا رمزگذاری می‌شوند ارزیابی الگوریتم‌های یادگیری ماشین: دقت، یادآوری، F-Measure، ماتریس‌های سردرگمی، آگهی‌های مولد کانولوشنال عمیق (DCGAN) برنامه نویسی جاوا برای دانشمندان داده پایتون مبانی برنامه نویسی برای تجزیه و تحلیل الگوریتم علم داده برای دانشمندان داده پیش نیازها: کامپیوتر و اتصال به اینترنت

آکادمی هوش مصنوعی محاسباتی با افتخار دوره "گواهی حرفه ای در یادگیری ماشینی داده کاوی" را به شما ارائه می دهد. m

همه چیز از زمانی شروع شد که تیم متخصص آکادمی هوش مصنوعی محاسباتی [ACAI] (دکترا، داوطلبان دکترا، مدرسان ارشد، مشاوران، محققان) و کارشناسان صنعت. مدیران استخدام در سال 2023 در مورد مهارت های شغلی پردرآمد در بخش فناوری اطلاعات/علوم کامپیوتر/مهندسی/علوم داده بحث می کردند.

برای تعاملی‌تر کردن دوره، ما همچنین یک نمایش کد زنده ارائه کرده‌ایم که در آن به شما توضیح می‌دهیم که چگونه می‌توانیم هر مفهوم/اصل را اعمال کنیم [راهنمای گام به گام]. هر مرحله به وضوح توضیح داده شده است. [آموزش های هدایت شده]

"در حالی که هوش مصنوعی (AI) علم گسترده تقلید از توانایی های انسان است، یادگیری ماشین زیرمجموعه خاصی از هوش مصنوعی است که به ماشین آموزش می دهد چگونه یاد بگیرد. برای درک بهتر رابطه بین هوش مصنوعی و یادگیری ماشینی، این ویدئو را تماشا کنید. شما خواهیم دید که این دو فناوری چگونه کار می کنند، با مثال های مفید و چند نکته خنده دار."


نتایج آموزشی دوره

برای ارائه آگاهی کامل از یادگیری بدون نظارت تحت نظارت که تحت آموزش ماشین قرار می گیرد

استفاده مناسب از تکنیک های یادگیری ماشین را توضیح دهید.

برای ساخت مدل‌های عصبی مناسب با استفاده از چارچوب پیشرفته پایتون.

برای ساختن مدل‌های عصبی از ابتدا، دستورالعمل‌های گام به گام را دنبال کنید.

برای ایجاد راه‌حل‌های کارآمد برای حل مشکلات دنیای واقعی

بررسی انتقادی و انتخاب مناسب ترین راه حل های یادگیری ماشین

برنامه نویسی پایتون نیز شامل است.


الزامات

  • یک رایانه با اتصال به اینترنت

  • تعهد پرشور


در پایان دوره، موارد زیر را بدست خواهید آورد

# آموزش ساخت بیش از 500 پروژه با کد منبع

# دانش قوی از اصول یادگیری ماشینی

# برای شغل رویایی در Data Science

درخواست دهید

# برای پروژه دانشگاهی خود دانش کسب کنید

  1. تنظیم محیط برای یادگیری ماشین پایتون


  2. درک داده ها با پیش پردازش داده های آماری


  3. پیش پردازش داده ها - مقیاس بندی با نمایش در پایتون، عادی سازی، باینری سازی، استانداردسازی در پایتون، تکنیک های انتخاب ویژگی: انتخاب تک متغیره


  4. تجسم داده ها با نمودار پایتون در اینجا با راهنمایی گام به گام، آماده سازی داده ها و نمودار نواری، هیستوگرام، نمودار دایره ای و غیره مورد بحث قرار خواهد گرفت.


  5. شبکه های عصبی مصنوعی با پایتون، KERAS


  6. آموزش KERAS - توسعه یک شبکه عصبی مصنوعی در پایتون - گام به گام


  7. یادگیری عمیق -تشخیص ارقام دست نویس [گام به گام] [پروژه کامل]


  8. طبقه بندی کننده ساده بیز با پایتون [نمونه نمایشی سخنرانی]


  9. رگرسیون خطی


  10. رگرسیون لجستیک


  11. مقدمه ای بر خوشه بندی [K - به معنی خوشه بندی ]


  12. K - به معنای خوشه بندی است


اگر سؤالی دارید چه؟

ما پشتیبانی کامل را ارائه می‌دهیم و به هر سؤالی که دارید پاسخ می‌دهیم.


هیچ خطری وجود ندارد!


این دوره برای چه کسانی است:

  • هر کسی که به یادگیری ماشین داده کاوی علاقه دارد





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 Python Basics For Machine Learning

  • 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

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

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

  • طراحی نرم افزار - تکرار Software Design - Repetition

  • 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

  • مقدمه ای بر پردازش زبان طبیعی [نظریه-سخنرانی مهمان توسط استاد] Introduction to Natural Language Processing [Theory-Guest Lecture by Professor]

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

  • توضیحات برنامه توییتر Twitter Application Descriptions

  • 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

  • پایتون برای مبتدیان: متغیرها: قسمت 1 Python For Beginners : Variables : Part 1

  • پایتون برای مبتدیان: متغیرها: قسمت 2 Python For Beginners : Variables : Part 2

  • پایتون برای مبتدیان: متغیرها: قسمت 3 Python For Beginners : Variables : Part 3

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

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

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

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

  • نسخه ی نمایشی رگرسیون خطی چند متغیره [دستی] رگرسیون خطی Multivariate Linear Regression Demo [Hands-on] Linear Regression

رگرسیون لجستیک Logistic regression

  • رگرسیون لجستیک Logistic regression

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

  • خوشه بندی در یادگیری ماشین چیست What is clustering in Machine Learning

  • ک - به معنای خوشه بندی است K - Means Clustering

  • [hands-on] K - به معنای خوشه بندی با پایتون پیاده سازی گام به گام است [hands-on] K - Means clustering with python step by step implementation

  • K - به معنای خوشه بندی [کد منبع - پروژه کامل] K - Means Clustering [Source code - Complete Project]

  • خوشه‌بندی K-Means - مرور کد با تئوری و عملی K-Means clustering - Code walkthrough with Theory & Practical

خواندن اضافی Extra Reading

  • بهینه سازی شبکه عصبی Neural Network Optimization

  • منابع محبوب از دانشگاه های برتر جهان Popular resources from Top Universities of the world

  • یادگیری ماشین - کدهای منبع Machine Learning - Source codes

برنامه نویسی جاوا برای دانشمندان داده Java programming for Data Scientists

  • ویژگی های اصلی جاوا Major Java Features

  • JDK، JRE، JVM، پلتفرم و Classloader JDK,JRE ,JVM, Platform & Classloader

  • ورود به دنیای برنامه نویسی شی گرا - Classes & Objects Entering the Object oriented programming world - Classes & Objects

  • کلاس ها و اشیاء Classes & Objects

  • ایجاد اشیا از کلاس ها Creating Objects from Classes

  • سازندگان Constructors

  • روش‌ها (پارامتر در مقابل استدلال) Methods (parameter vs arguement)

  • روش اضافه بار Method Overloading

  • روش بارگذاری نسخه ی نمایشی Method Overloading Demo

  • انتزاع داده ها Data Abstraction

  • کپسولاسیون Encapsulation

  • ارث Inheritance

  • نسخه نمایشی وراثت Inheritance Demo

  • وراثت - نمونه نسخه ی نمایشی Inheritance - instanceof Demo

  • استاتیک Static

  • کلاس های چکیده Abstract Classes

  • کلاس های تو در تو - کلاس داخلی Nested Classes - Inner Class

  • برنامه نویسی شی گرا - تمرین آزمایشگاهی 1 [با راه حل] Object Oriented Programming - Lab Exercise 1 [With Solution]

  • برنامه نویسی شی گرا - تمرین آزمایشگاهی 2 Object Oriented Programming - Lab Exercise 2

  • چند شکلی Polymorphism

  • ایجاد موضوعات [توسعه کلاس موضوع] Creating Threads [Extending the Thread Class]

  • ایجاد موضوعات [با استفاده از رابط قابل اجرا] Creating Threads [Using Runnable Interface]

  • getName()،getId()،getPriority()،setPriority(3)،getState()،MIN_PRIORITY، NORM_PRI getName(),getId(),getPriority(),setPriority(3),getState(),MIN_PRIORITY, NORM_PRI

  • توقف اجرای یک موضوع Pausing the execution of a thread

  • همگام سازی قسمت 1 [همگام سازی روش] Synchronization Part 1 [Method Synchronization]

  • همگام سازی قسمت 2 [بلوک همگام] Synchronization Part 2 [Synchronized Block]

  • بن بست - موضوعات Deadlock - Threads

  • دانلود Eclipse Download Eclipse

  • جریان های ورودی/خروجی [مقدمه] I/O Streams [Introduction]

  • بایت استریم Byte Streams

  • نسخه نمایشی بایت استریمز Byte Streams Demo

  • جریان شخصیت Character Streams

  • نسخه نمایشی جریان شخصیت Character Streams Demo

  • ایجاد دایرکتوری ها Creating Directories

  • فهرست راهنماها Listing Directories

  • سریال سازی شی جاوا - یک شی را در یک فایل بنویسید Java Object Serialization - Write an object to a file

  • Serialization شیء جاوا - خواندن یک شی از فایل Java Object Serialization Serialization - Read an object from file

  • سریال سازی اشیاء جاوا - متغیر گذرا Java Object Serialization - Transient variable

  • مجموعه زباله جاوا قسمت 1 Java Garbage Collection Part 1

  • مجموعه زباله جاوا قسمت 2 Java Garbage Collection Part 2

  • فضای پشته جاوا Java Heap Space

  • رسیدگی به استثناء - مقدمه Exception Handling - Introduction

  • رسیدگی به استثنا - نسخه ی نمایشی خاتمه Exception Handling - Termination Demo

  • TryCatchDemo TryCatchDemo

  • نسخه ی نمایشی چندگانه CatchBlock Multiple CatchBlock Demo

  • سعی کنید و در نهایت نسخه ی نمایشی TryAndFinally Demo

  • مقدمه ای بر ژنریک Introduction to Generics

  • آرایه ها قسمت 1 Arrays Part 1

  • آرایه ها قسمت 2 - درج حذف جستجو (آرایه نامرتب) Arrays Part 2 -Insert search delete (unordered array)

  • نمایش ArrayList ArrayList Demonstration

  • وکتور [سخنرانی و نمایشی] Vector [Lecture & Demo]

  • اشکال زدایی - تفاوت بین Step Into و Step Over در اشکال زدایی Eclipse Debugging - Difference between Step Into and Step Over in the Eclipse debugger

  • فاکتوریل یک عدد را با استفاده از بازگشت پیدا کنید Find factorial of a number using recursion

  • تقسیم رشته با استفاده از متد split(). Splitting the string using the split() method

  • GCD (بزرگترین مبدل مشترک) را پیدا کنید Find the GCD (Greatest Common Devisor)

  • مثال معکوس رشته با استفاده از بازگشت String reverse example using recursion

  • نسخه نمایشی وراثت [My_Calculation] Inheritance Demo [My_Calculation]

  • رسیدگی به استثنا - نسخه نمایشی خاتمه [کد منبع] Exception Handling - Termination Demo [Source Code]

  • مدیریت استثنا - نسخه آزمایشی TryCatch [کد منبع] Exception Handling - TryCatch Demo [Source Code]

  • مدیریت استثنا - نسخه ی نمایشی MultipleCatch [کد منبع] Exception Handling - MultipleCatch Demo [Source Code]

  • رسیدگی به استثنا - TryAndFinally Demo [کد منبع] Exception Handling - TryAndFinally Demo [Source Code]

  • Exception Handling - CustomException Demo [کد منبع] Exception Handling - CustomException Demo [Source Code]

  • نسخه آزمایشی موضوع 1 [کد منبع] Thread Demo 1 [Source code]

  • Thread Demo 2 [کد منبع] Thread Demo 2 [Source code]

  • نسخه آزمایشی موضوع 3 [کد منبع] Thread Demo 3 [Source code]

  • نسخه آزمایشی موضوع 4 [کد منبع] Thread Demo 4 [Source code]

  • یک برنامه جاوا بنویسید که دو عدد را به عنوان ورودی بگیرد و محصول را نمایش دهد Write a Java program that takes two numbers as input and display the product

  • یک برنامه جاوا بنویسید تا جمع (جمع)، ضرب، تفریق، تقسیم را چاپ کند Write a Java program to print the sum (addition), multiply, subtract, divide

  • یک برنامه جاوا بنویسید تا مساحت و محیط دایره را چاپ کند. Write a Java program to print the area and perimeter of a circle.

  • یک برنامه جاوا بنویسید تا حروف، فاصله، اعداد و کاراکترهای دیگر را بشمارید Write a Java program to count the letters, spaces, numbers and other character

  • یک برنامه جاوا بنویسید که پنج عدد را به عنوان ورودی محاسبه و چاپ کند Write a Java program that takes five numbers as input to calculate and print

  • //یک برنامه جاوا بنویسید تا بررسی کنید جاوا روی رایانه شما نصب شده است یا خیر. //Write a Java program to check whether Java is installed on your computer.

  • جاوا 9 - ویژگی های جدید [سخنرانی مهمان] Java 9 - New Features [Guest Lecture]

  • رابط های جاوا 9 - چه جدید است Java 9 Interfaces - What's New

  • تست کنید test

شبکه‌های متخاصم مولد عمیق (DCGAN) و GAN Deep Convolutional Generative Adversarial Networks (DCGAN) & GAN

  • GAN ها چیست؟ شبکه های متخاصم مولد (GAN) What are GANs ? Generative Adversarial Networks (GANs)

  • TensorFlow و کتابخانه های دیگر را وارد کنید Import TensorFlow and other libraries

  • مجموعه داده را بارگیری و آماده کنید Load and prepare the dataset

  • ایجاد مدل ها - ژنراتور Create the models - The Generator

  • ایجاد مدل - The Discriminator Create the models - The Discriminator

  • ضرر و بهینه ساز را تعریف کنید Define the loss and optimizers

  • حلقه آموزش را تعریف کنید Define the training loop

  • آموزش مدل - قسمت Train the model - Part

  • یک GIF ایجاد کنید Create a GIF

  • تفاوت GAN در مقابل DCGAN GAN vs DCGAN difference

  • کد منبع - برای دوره Source code - for the course

  • کد منبع را دانلود کنید Download the Source code

  • خروجی Output

  • شبکه های متخاصم مولد Generative Adversarial Networks

  • Deep Convolutional Generative Adversarial Network - مقاله پژوهشی Deep Convolutional Generative Adversarial Network - Research paper

توسعه وب برای دانشمندان داده Web Development for Data Scientists

  • مقدمه ای بر HTML (مبانی HTML) قسمت 1 Introduction to HTML (HTML Basics) Part 1

  • مقدمه ای بر HTML (مبانی HTML) قسمت 2 Introduction to HTML (HTML Basics) Part 2

  • مقدمه ای بر HTML (مبانی HTML) قسمت 3 Introduction to HTML (HTML Basics) Part 3

  • مقدمه ای بر HTML (مبانی HTML) قسمت 4 Introduction to HTML (HTML Basics) Part 4

  • جداول HTML - (HTML Basics) قسمت 5 HTML Tables - (HTML Basics) Part 5

  • CSS - مقدمه CSS - Introduction

  • CSS - ویدئو 2 CSS - Video 2

  • CSS - ویدئو 3 CSS - Video 3

  • CSS- Selectors Pt.1 CSS- Selectors Pt.1

  • CSS- Selectors Pt.2 CSS- Selectors Pt.2

  • CSS - رنگ ها CSS - Colours

  • CSS - رنگ پس زمینه CSS - Backgroud Colour

  • CSS - padding CSS - Padding

  • CSS - گوشه های گرد CSS - Rounded Corners

  • CSS-bg و انیمیشن ها CSS- bg & animations

  • جاوا اسکریپت - مقدمه Javascript - Introduction

  • جاوا اسکریپت - راه اندازی JavaScript - Setup

  • جاوا اسکریپت - IDE زنده JavaScript - Live IDE

  • جاوا اسکریپت - عملگرهای حسابی JavaScript - Arithmetic Operators

  • جاوا اسکریپت - رشته ها و روش های جاوا اسکریپت JavaScript - Strings and JavaScript Methods

  • جاوا اسکریپت - متغیرها JavaScript - Variables

  • جاوا اسکریپت - اپراتورها JavaScript - Operators

  • شروع پروژه Starting the project

  • افزودن CSS Pt.1 Adding the CSS Pt.1

  • افزودن CSS Pt.2 Adding the CSS Pt.2

  • افزودن CSS Pt.3 Adding the CSS Pt.3

  • افزودن CSS Pt.4 Adding the CSS Pt.4

  • اضافه کردن JS Pt.1 Adding the JS Pt.1

  • اضافه کردن JS Pt.2 Adding the JS Pt.2

  • اتصال JS با HTML Connection JS with HTML

  • آخرین کارهای پروژه Final touches to the project

40 الگوریتم یادگیری ماشین با کد منبع و آموزش هدایت شده 40 Machine Learning Algorithms with source code and guided tutorial

  • 40 الگوریتم یادگیری ماشین با کد منبع و آموزش هدایت شده 40 Machine Learning Algorithms with source code and guided tutorial

بیش از 500 پروژه هوش مصنوعی با منبع 500+ Artificial Intelligence Projects with source

  • بیش از 500 پروژه هوش مصنوعی با منبع 500+ Artificial Intelligence Projects with source

نمایش نظرات

آموزش گواهینامه حرفه ای در یادگیری ماشین
جزییات دوره
24 hours
196
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,605
4.3 از 5
دارد
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