آموزش علم داده و یادگیری ماشین (تئوری و پروژه ها) A تا Z [ویدئو]

Data Science and Machine Learning (Theory and Projects) A to Z [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: این دوره برای آموزش مهارت های مورد نیاز در دنیای واقعی به شما ساخته شده است. هدف این دوره کمک به درک تمامی مفاهیم و روش‌های علم داده و یادگیری ماشین در رابطه با پایتون است. وقتی نگاهی گذرا به بخش‌های مختلف این دوره بیندازید، ممکن است این بخش‌ها را مستقل تصور کنید. با این حال، این بخش ها به هم مرتبط و تقریباً متوالی هستند. هر بخش یک مفهوم مستقل است و مانند یک دوره به تنهایی است. ما عمداً این بخش ها را به ترتیب مرتب کرده ایم زیرا هر بخش بعدی بر اساس بخش هایی است که شما تکمیل کرده اید. این چارچوب به شما امکان می دهد تا مفاهیم مستقل بیشتری را به راحتی کشف کنید. در پایان هر بخش فرعی، برای تقویت بیشتر یادگیری خود، تکالیفی به شما محول می شود. تمام این ارزیابی ها بر اساس مفاهیم و روش های قبلی است که شما آموخته اید. بسیاری از این وظایف ارزیابی مبتنی بر کدنویسی خواهند بود، زیرا هدف اصلی این است که شما را بلند کرده و به پیاده سازی ادامه دهید. در پایان این دوره، شما قادر خواهید بود به راحتی با مشکلات دنیای واقعی مقابله کنید و از رشد شغلی ثابت اطمینان حاصل کنید و به دانش تمام مفاهیم ضروری که برای برتری به عنوان یک متخصص علوم داده نیاز دارید، مجهز خواهید شد. بسته کد کامل این دوره در آدرس زیر موجود است: https://github.com/PacktPublishing/Data-Science-and-Machine-Learning-Theory-and-Projects-A-to-Z درک و تجسم داده ها با پایتون کاوش احتمال و آمار در پایتون مهندسی ویژگی و کاهش ابعاد را با پایتون بیاموزید پوشش شبکه های عصبی مصنوعی با پایتون CNN و RNN را با پایتون پوشش دهید یادگیری برنامه های یادگیری تقویتی عمیق افرادی که می خواهند علم داده و یادگیری ماشین را با مجموعه داده های واقعی در علم داده یاد بگیرند، افرادی که می خواهند از یک پیشینه غیر مهندسی وارد حوزه علم داده شوند، افرادی که می خواهند وارد حوزه یادگیری ماشین شوند، و افرادی که می خواهند علم داده و یادگیری ماشین را به همراه اجرای آن در پروژه های عملی بیاموزند، مخاطبان این دوره هستند. هیچ پیش نیازی برای این دوره وجود ندارد. شما با ایده های اساسی شروع می کنید و به تدریج درک خود را از موضوع افزایش می دهید. مدل‌ها و پیشرفت‌های پیشرفته و اخیراً کشف شده توسط قهرمانان در زمینه هوش مصنوعی * مفاهیم کلیدی علوم داده و یادگیری ماشین با مثال‌هایی در پایتون * توضیح دقیق و کدنویسی زنده با پایتون

سرفصل ها و درس ها

مقدمه دوره Introduction to the Course

  • معرفی دوره ها و مدرس Introduction to Courses and Instructor

مبانی علم داده: پایتون برای علم داده و تجزیه و تحلیل داده ها Basics for Data Science: Python for Data Science and Data Analysis

  • مقدمه - قسمت 1 Introduction - Part 1

  • مقدمه - قسمت 2 Introduction - Part 2

  • مبانی برنامه نویسی: درک الگوریتم Basics of Programming: Understanding the Algorithm

  • مبانی برنامه نویسی: فلوچارت ها و شبه کدها Basics of Programming: FlowCharts and Pseudocodes

  • مبانی برنامه نویسی: مثالی از الگوریتم ها - ساختن مسئله چای Basics of Programming: Example of Algorithms - Making Tea Problem

  • مبانی برنامه نویسی: نمونه ای از الگوریتم ها-جستجوی حداقل Basics of Programming: Example of Algorithms-Searching Minimum

  • مبانی برنامه نویسی: مثالی از مسئله مرتب سازی الگوریتم ها Basics of Programming: Example of Algorithms-Sorting Problem

  • مبانی برنامه نویسی: مسئله مرتب سازی در پایتون Basics of Programming: Sorting Problem in Python

  • چرا پایتون و نوت بوک ژوپیتر: چرا پایتون Why Python and Jupyter Notebook: Why Python

  • چرا نوت بوک پایتون و ژوپیتر: چرا نوت بوک های ژوپیتر Why Python and Jupyter Notebook: Why Jupyter Notebooks

  • نصب Anaconda و IPython Shell: نصب Python و Jupyter Anaconda Installation of Anaconda and IPython Shell: Installing Python and Jupyter Anaconda

  • نصب Anaconda و IPython Shell: اولین کد پایتون شما - Hello World Installation of Anaconda and IPython Shell: Your First Python Code - Hello World

  • نصب Anaconda و IPython Shell: کدنویسی در IPython Shell Installation of Anaconda and IPython Shell: Coding in IPython Shell

  • متغیر و عملگر: متغیرها Variable and Operator: Variables

  • متغیر و اپراتور: اپراتورها Variable and Operator: Operators

  • متغیر و اپراتور: Quiz نام متغیر Variable and Operator: Variable Name Quiz

  • متغیر و اپراتور: نوع داده Bool در پایتون Variable and Operator: Bool Data Type in Python

  • متغیر و عملگر: مقایسه در پایتون Variable and Operator: Comparison in Python

  • متغیر و عملگر: ترکیب مقایسه ها در پایتون Variable and Operator: Combining Comparisons in Python

  • متغیر و عملگر: آزمون ترکیب مقایسه Variable and Operator: Combining Comparisons Quiz

  • تابع مفید پایتون: تابع Python-Round Python Useful function: Python Function- Round

  • تابع مفید پایتون: تابع پایتون- Divmod Python Useful function: Python Function- Divmod

  • تابع مفید Python: تابع Python- Is instance و PowFunctions Python Useful function: Python Function- Is instance and PowFunctions

  • تابع مفید پایتون: تابع پایتون- ورودی Python Useful function: Python Function- Input

  • کنترل جریان در پایتون: اگر شرایط پایتون باشد Control Flow in Python: If Python Condition

  • کنترل جریان در پایتون: اگر شرایط پایتون Elif Else باشد Control Flow in Python: if Elif Else Python Conditions

  • کنترل جریان در پایتون: بیشتر در مورد اگر Elif Else Python Conditions Control Flow in Python: More on if Elif Else Python Conditions

  • کنترل جریان در پایتون: تورفتگی ها Control Flow in Python: Indentations

  • کنترل جریان در پایتون: نظرات و تمرین حل مسئله با If Control Flow in Python: Comments and Problem-Solving Practice with If

  • کنترل جریان در پایتون: حلقه while Control Flow in Python: While Loop

  • کنترل جریان در پایتون: در حالی که Loop Break Continue Control Flow in Python: While Loop Break Continue

  • کنترل جریان در پایتون: برای حلقه Control Flow in Python: For Loop

  • Control Flow در Python: Else در For Loop Control Flow in Python: Else in For Loop

  • کنترل جریان در پایتون: مشکل مرتب سازی تمرین حلقه ها Control Flow in Python: Loops Practice-Sorting Problem

  • تابع و ماژول در پایتون: توابع در پایتون Function and Module in Python: Functions in Python

  • تابع و ماژول در پایتون: DocString Function and Module in Python: DocString

  • تابع و ماژول در پایتون: آرگومان های ورودی Function and Module in Python: Input Arguments

  • تابع و ماژول در پایتون: آرگومان های ورودی چندگانه Function and Module in Python: Multiple Input Arguments

  • تابع و ماژول در پایتون: ترتیب آرگومان های ورودی چندگانه Function and Module in Python: Ordering Multiple Input Arguments

  • تابع و ماژول در پایتون: آرگومان های خروجی و بیانیه بازگشت Function and Module in Python: Output Arguments and Return Statement

  • تابع و ماژول در پایتون: عملکرد عمل-خروجی آرگومان ها و بیانیه بازگشت Function and Module in Python: Function Practice-Output Arguments and Return Statement

  • تابع و ماژول در پایتون: متغیر تعداد آرگومان های ورودی Function and Module in Python: Variable Number of Input Arguments

  • تابع و ماژول در پایتون: متغیر تعداد آرگومان های ورودی به عنوان دیکشنری Function and Module in Python: Variable Number of Input Arguments as Dictionary

  • تابع و ماژول در پایتون: مقادیر پیش فرض در پایتون Function and Module in Python: Default Values in Python

  • تابع و ماژول در پایتون: ماژول ها در پایتون Function and Module in Python: Modules in Python

  • تابع و ماژول در پایتون: ساخت ماژول در پایتون Function and Module in Python: Making Modules in Python

  • تابع و ماژول در پایتون: لیست مرتب‌سازی تمرین توابع در پایتون Function and Module in Python: Function Practice-Sorting List in Python

  • رشته در پایتون: رشته ها String in Python: Strings

  • رشته در پایتون: رشته های چند خطی String in Python: Multi-Line Strings

  • رشته در پایتون: رشته های نمایه سازی String in Python: Indexing Strings

  • رشته در پایتون: روش های رشته String in Python: String Methods

  • رشته در پایتون: دنباله های فرار رشته String in Python: String Escape Sequences

  • ساختار داده (فهرست، تاپل، مجموعه، فرهنگ لغت): مقدمه ای بر ساختار داده Data Structure (List, Tuple, Set, Dictionary): Introduction to Data Structure

  • ساختار داده (فهرست، تاپل، مجموعه، فرهنگ لغت): تعریف و نمایه سازی Data Structure (List, Tuple, Set, Dictionary): Defining and Indexing

  • ساختار داده (فهرست، تاپل، مجموعه، فرهنگ لغت): درج و حذف Data Structure (List, Tuple, Set, Dictionary): Insertion and Deletion

  • ساختار داده (فهرست، تاپل، مجموعه، دیکشنری): تمرین پایتون-درج و حذف Data Structure (List, Tuple, Set, Dictionary): Python Practice-Insertion and Deletion

  • ساختار داده (فهرست، چندتایی، مجموعه، فرهنگ لغت): کپی عمیق یا برش مرجع Data Structure (List, Tuple, Set, Dictionary): Deep Copy or Reference Slicing

  • ساختار داده (فهرست، تاپل، مجموعه، فرهنگ لغت): کاوش روش ها با استفاده از تکمیل TAB Data Structure (List, Tuple, Set, Dictionary): Exploring Methods Using TAB Completion

  • ساختار داده (فهرست، تاپل، مجموعه، فرهنگ لغت): روش های انتزاعی ساختار داده Data Structure (List, Tuple, Set, Dictionary): Data Structure Abstract Ways

  • ساختار داده (فهرست، تاپل، مجموعه، دیکشنری): تمرین ساختار داده Data Structure (List, Tuple, Set, Dictionary): Data Structure Practice

  • NumPy برای پردازش داده های عددی: مقدمه ای بر NumPy NumPy for Numerical Data Processing: Introduction to NumPy

  • NumPy برای پردازش داده های عددی: ابعاد NumPy NumPy for Numerical Data Processing: NumPy Dimensions

  • NumPy برای پردازش داده های عددی: شکل، اندازه و بایت NumPy NumPy for Numerical Data Processing: NumPy Shape, Size, and Bytes

  • NumPy برای پردازش داده های عددی: ترتیب، تصادفی و تغییر شکل - قسمت 1 NumPy for Numerical Data Processing: Arrange, Random, and Reshape-Part 1

  • NumPy برای پردازش داده های عددی: ترتیب، تصادفی و تغییر شکل - قسمت 2 NumPy for Numerical Data Processing: Arrange, Random, and Reshape-Part 2

  • NumPy برای پردازش داده های عددی: برش-بخش 1 NumPy for Numerical Data Processing: Slicing-Part 1

  • NumPy برای پردازش داده های عددی: برش-بخش 2 NumPy for Numerical Data Processing: Slicing-Part 2

  • NumPy برای پردازش داده های عددی: NumPy Masking NumPy for Numerical Data Processing: NumPy Masking

  • NumPy برای پردازش داده های عددی: NumPy BroadCasting و Concatenation NumPy for Numerical Data Processing: NumPy BroadCasting and Concatenation

  • NumPy برای پردازش داده های عددی: تست سرعت NumPy ufuncs NumPy for Numerical Data Processing: NumPy ufuncs Speed Test

  • پانداها برای دستکاری داده ها: مقدمه ای بر پانداها Pandas for Data Manipulation: Introduction to Pandas

  • Pandas for Data Manipulation: Pandas Series Pandas for Data Manipulation: Pandas Series

  • Pandas for Data Manipulation: Pandas Data Frame Pandas for Data Manipulation: Pandas Data Frame

  • پانداها برای دستکاری داده ها: ارزش های گمشده پانداها Pandas for Data Manipulation: Pandas Missing Values

  • پانداها برای دستکاری داده ها: Pandas .loc و .iloc Pandas for Data Manipulation: Pandas .loc and .iloc

  • پانداها برای دستکاری داده ها: تمرین پانداها با استفاده از داده های COVID19 - قسمت 1 Pandas for Data Manipulation: Pandas Practice-Using COVID19 Data - Part 1

  • پانداها برای دستکاری داده ها: تمرین پانداها با استفاده از داده های COVID19 - قسمت 2 Pandas for Data Manipulation: Pandas Practice-Using COVID19 Data - Part 2

  • Matplotlib، Seaborn و Bokeh برای تجسم داده ها: مقدمه ای بر Matplotlib Matplotlib, Seaborn, and Bokeh for Data Visualization: Introduction to Matplotlib

  • Matplotlib، Seaborn و Bokeh برای تجسم داده ها: Seaborn در مقابل سبک Matplotlib Matplotlib, Seaborn, and Bokeh for Data Visualization: Seaborn Versus Matplotlib Style

  • Matplotlib، Seaborn و Bokeh برای تجسم داده ها: هیستوگرام Kdeplot Matplotlib, Seaborn, and Bokeh for Data Visualization: Histograms Kdeplot

  • Matplotlib، Seaborn و Bokeh برای تجسم داده ها: Seaborn Pairplot و Jointplot Matplotlib, Seaborn, and Bokeh for Data Visualization: Seaborn Pairplot and Jointplot

  • Matplotlib، Seaborn، و Bokeh برای تجسم داده ها: نقشه جفتی Seaborn با استفاده از داده های Iris Matplotlib, Seaborn, and Bokeh for Data Visualization: Seaborn Pairplot using Iris Data

  • Matplotlib، Seaborn و Bokeh برای تجسم داده ها: مقدمه ای بر بوکه Matplotlib, Seaborn, and Bokeh for Data Visualization: Introduction to Bokeh

  • Matplotlib، Seaborn و Bokeh برای تجسم داده ها: Bokeh Gridplot Matplotlib, Seaborn, and Bokeh for Data Visualization: Bokeh Gridplot

  • Scikit-Learn برای یادگیری ماشینی: مقدمه ای بر Scikit-Learn Scikit-Learn for Machine Learning: Introduction to Scikit-Learn

  • Scikit-Learn برای یادگیری ماشین: Scikit-Learn برای رگرسیون خطی Scikit-Learn for Machine Learning: Scikit-Learn for Linear Regression

  • Scikit-Learn برای یادگیری ماشین: Scikit-Learn برای SVM و جنگل های تصادفی Scikit-Learn for Machine Learning: Scikit-Learn for SVM and Random Forests

  • Scikit-Learn برای یادگیری ماشینی: Scikit-Learn - تحلیل روند COVID19 Scikit-Learn for Machine Learning: Scikit-Learn - Trend Analysis COVID19

مبانی علم داده: درک داده ها و تجسم داده ها با پایتون Basics for Data Science: Data Understanding and Data Visualization with Python

  • معرفی Introduction

  • آنچه ما خواهیم آموخت What We will Learn

  • NumPy برای پردازش داده های عددی: اپراتورهای Ufuncs Add، Sum و Plus NumPy for Numerical Data Processing: Ufuncs Add, Sum, and Plus Operators

  • NumPy برای پردازش داده های عددی: Ufuncs Subtract Power Mod NumPy for Numerical Data Processing: Ufuncs Subtract Power Mod

  • NumPy برای پردازش داده های عددی: Ufuncs عملگرهای منطقی را مقایسه می کند NumPy for Numerical Data Processing: Ufuncs Comparisons Logical Operators

  • NumPy برای پردازش داده های عددی: امتحان عملگرهای منطقی مقایسه Ufuncs NumPy for Numerical Data Processing: Ufuncs Comparisons Logical Operators Quiz

  • NumPy برای پردازش داده های عددی: راه حل عملگرهای منطقی مقایسه Ufuncs NumPy for Numerical Data Processing: Ufuncs Comparisons Logical Operators Solution

  • NumPy برای پردازش داده های عددی: آرگومان خروجی Ufuncs NumPy for Numerical Data Processing: Ufuncs Output Argument

  • NumPy برای پردازش داده های عددی: NumPy در حال بازی با تصاویر NumPy for Numerical Data Processing: NumPy Playing with Images

  • NumPy برای پردازش داده های عددی: امتحان NumPy بازی با تصاویر NumPy for Numerical Data Processing: NumPy Playing with Images Quiz

  • NumPy برای پردازش داده های عددی: راه حل NumPy بازی با تصاویر NumPy for Numerical Data Processing: NumPy Playing with Images Solution

  • NumPy برای پردازش داده های عددی: NumPy KNN Classifier از ابتدا NumPy for Numerical Data Processing: NumPy KNN Classifier from Scratch

  • NumPy برای پردازش داده های عددی: آرایه های ساختار یافته NumPy NumPy for Numerical Data Processing: NumPy Structured Arrays

  • NumPy برای پردازش داده های عددی: آزمون آرایه های ساختار یافته NumPy NumPy for Numerical Data Processing: NumPy Structured Arrays Quiz

  • NumPy برای پردازش داده های عددی: راه حل آرایه های ساختار یافته NumPy NumPy for Numerical Data Processing: NumPy Structured Arrays Solution

  • پانداها برای دستکاری و درک داده ها: مقدمه ای بر پانداها Pandas for Data Manipulation and Understanding: Introduction to Pandas

  • Pandas for Data Manipulation and Understanding: Pandas Series Pandas for Data Manipulation and Understanding: Pandas Series

  • Pandas for Data Manipulation and Understanding: Pandas DataFrame Pandas for Data Manipulation and Understanding: Pandas DataFrame

  • Pandas for Data Manipulation and Understanding: Pandas DataFrame Quiz Pandas for Data Manipulation and Understanding: Pandas DataFrame Quiz

  • Pandas for Data Manipulation and Understanding: Pandas DataFrame Solution Pandas for Data Manipulation and Understanding: Pandas DataFrame Solution

  • پانداها برای دستکاری و درک داده ها: ارزش های گمشده پانداها Pandas for Data Manipulation and Understanding: Pandas Missing Values

  • Pandas for Data Manipulation and Understanding: Pandas Loc Iloc Pandas for Data Manipulation and Understanding: Pandas Loc Iloc

  • پانداها برای دستکاری و درک داده ها: پانداها در عمل Pandas for Data Manipulation and Understanding: Pandas in Practice

  • Pandas for Data Manipulation and Understanding: Pandas Group By Pandas for Data Manipulation and Understanding: Pandas Group By

  • Pandas for Data Manipulation and Understanding: Pandas Group By Quiz Pandas for Data Manipulation and Understanding: Pandas Group By Quiz

  • Pandas for Data Manipulation and Understanding: Pandas Group by Solution Pandas for Data Manipulation and Understanding: Pandas Group by Solution

  • پانداها برای دستکاری و درک داده ها: نمایه سازی سلسله مراتبی Pandas for Data Manipulation and Understanding: Hierarchical Indexing

  • Pandas for Data Manipulation and Understanding: Pandas Rolling Pandas for Data Manipulation and Understanding: Pandas Rolling

  • پانداها برای دستکاری و درک داده ها: آزمون رولینگ پانداها Pandas for Data Manipulation and Understanding: Pandas Rolling Quiz

  • Pandas for Data Manipulation and Understanding: Pandas Rolling Solution Pandas for Data Manipulation and Understanding: Pandas Rolling Solution

  • Pandas for Data Manipulation and Understanding: Pandas Where Pandas for Data Manipulation and Understanding: Pandas Where

  • Pandas for Data Manipulation and Understanding: Pandas Clip Pandas for Data Manipulation and Understanding: Pandas Clip

  • Pandas for Data Manipulation and Understanding: Pandas Clip Quiz Pandas for Data Manipulation and Understanding: Pandas Clip Quiz

  • Pandas for Data Manipulation and Understanding: Pandas Clip Solution Pandas for Data Manipulation and Understanding: Pandas Clip Solution

  • پانداها برای دستکاری و درک داده ها: ادغام پانداها Pandas for Data Manipulation and Understanding: Pandas Merge

  • Pandas for Data Manipulation and Understanding: Pandas Merge Quiz Pandas for Data Manipulation and Understanding: Pandas Merge Quiz

  • Pandas for Data Manipulation and Understanding: Pandas Merge Solution Pandas for Data Manipulation and Understanding: Pandas Merge Solution

  • Pandas for Data Manipulation and Understanding: Pandas Pivot Table Pandas for Data Manipulation and Understanding: Pandas Pivot Table

  • Pandas for Data Manipulation and Understanding: Pandas Strings Pandas for Data Manipulation and Understanding: Pandas Strings

  • Pandas for Data Manipulation and Understanding: Pandas DateTime Pandas for Data Manipulation and Understanding: Pandas DateTime

  • پانداها برای دستکاری و درک داده ها: پانداها روی داده های COVID19 دست دارند Pandas for Data Manipulation and Understanding: Pandas Hands on COVID19 Data

  • Pandas for Data Manipulation and Understanding: Pandas Hands on COVID19 Data Bug Pandas for Data Manipulation and Understanding: Pandas Hands on COVID19 Data Bug

  • Matplotlib برای تجسم داده ها: مقدمه ای بر Matplotlib Matplotlib for Data Visualization: Introduction to Matplotlib

  • Matplotlib برای تجسم داده ها: طرح های چندگانه Matplotlib Matplotlib for Data Visualization: Matplotlib Multiple Plots

  • Matplotlib برای تجسم داده ها: رنگ ها و سبک های Matplotlib Matplotlib for Data Visualization: Matplotlib Colors and Styles

  • Matplotlib برای تجسم داده ها: آزمون رنگ ها و سبک های Matplotlib Matplotlib for Data Visualization: Matplotlib Colors and Styles Quiz

  • Matplotlib برای تجسم داده ها: راه حل رنگ ها و سبک های Matplotlib Matplotlib for Data Visualization: Matplotlib Colors and Styles Solution

  • Matplotlib برای تجسم داده ها: میانبرهای رنگ ها و سبک های Matplotlib Matplotlib for Data Visualization: Matplotlib Colors and Styles Shortcuts

  • Matplotlib برای تجسم داده ها: Matplotlib Axis Limits Matplotlib for Data Visualization: Matplotlib Axis Limits

  • Matplotlib برای تجسم داده ها: آزمون محدودیت محور Matplotlib Matplotlib for Data Visualization: Matplotlib Axis Limits Quiz

  • Matplotlib برای تجسم داده ها: راه حل محدودیت محور Matplotlib Matplotlib for Data Visualization: Matplotlib Axis Limits Solution

  • Matplotlib برای تجسم داده ها: Matplotlib Legends Labels Matplotlib for Data Visualization: Matplotlib Legends Labels

  • Matplotlib برای تجسم داده ها: تابع مجموعه Matplotlib Matplotlib for Data Visualization: Matplotlib Set Function

  • Matplotlib برای تجسم داده ها: آزمون عملکرد مجموعه Matplotlib Matplotlib for Data Visualization: Matplotlib Set Function Quiz

  • Matplotlib برای تجسم داده ها: راه حل تابع مجموعه Matplotlib Matplotlib for Data Visualization: Matplotlib Set Function Solution

  • Matplotlib برای تجسم داده ها: نشانگرهای Matplotlib Matplotlib for Data Visualization: Matplotlib Markers

  • Matplotlib برای تجسم داده ها: Matplotlib نشانگرهای تصادفی Matplotlib for Data Visualization: Matplotlib Markers Randomplots

  • Matplotlib برای تجسم داده ها: Matplotlib Scatter Plot Matplotlib for Data Visualization: Matplotlib Scatter Plot

  • Matplotlib برای تجسم داده ها: Matplotlib Contour Plot Matplotlib for Data Visualization: Matplotlib Contour Plot

  • Matplotlib برای تجسم داده ها: مسابقه طرح کانتور Matplotlib Matplotlib for Data Visualization: Matplotlib Contour Plot Quiz

  • Matplotlib برای تجسم داده ها: راه حل طرح کانتور Matplotlib Matplotlib for Data Visualization: Matplotlib Contour Plot Solution

  • Matplotlib برای تجسم داده ها: هیستوگرام های Matplotlib Matplotlib for Data Visualization: Matplotlib Histograms

  • Matplotlib برای تجسم داده ها: طرح های فرعی Matplotlib Matplotlib for Data Visualization: Matplotlib Subplots

  • Matplotlib برای تجسم داده‌ها: آزمون طرح‌های فرعی Matplotlib Matplotlib for Data Visualization: Matplotlib Subplots Quiz

  • Matplotlib برای تجسم داده ها: راه حل زیرنویس های Matplotlib Matplotlib for Data Visualization: Matplotlib Subplots Solution

  • Matplotlib برای تجسم داده ها: مقدمه Matplotlib 3D Matplotlib for Data Visualization: Matplotlib 3D Introduction

  • Matplotlib برای تجسم داده ها: Matplotlib 3D Scatter Plots Matplotlib for Data Visualization: Matplotlib 3D Scatter Plots

  • Matplotlib برای تجسم داده ها: Matplotlib 3D Scatter Plots Quiz Matplotlib for Data Visualization: Matplotlib 3D Scatter Plots Quiz

  • Matplotlib برای تجسم داده ها: راه حل نمودارهای پراکندگی سه بعدی Matplotlib Matplotlib for Data Visualization: Matplotlib 3D Scatter Plots Solution

  • Matplotlib برای تجسم داده ها: Matplotlib 3D Surface Plots Matplotlib for Data Visualization: Matplotlib 3D Surface Plots

  • Seaborn برای تجسم داده ها: مقدمه ای بر Seaborn Seaborn for Data Visualization: Introduction to Seaborn

  • Seaborn for Data Visualization: Seaborn Relplot Seaborn for Data Visualization: Seaborn Relplot

  • Seaborn for Data Visualization: Seaborn Relplot Quiz Seaborn for Data Visualization: Seaborn Relplot Quiz

  • Seaborn for Data Visualization: Seaborn Relplot Solution Seaborn for Data Visualization: Seaborn Relplot Solution

  • Seaborn for Data Visualization: Seaborn Relplot Kind Line Seaborn for Data Visualization: Seaborn Relplot Kind Line

  • Seaborn for Data Visualization: Seaborn Relplot Facets Seaborn for Data Visualization: Seaborn Relplot Facets

  • Seaborn for Data Visualization: Seaborn Relplot Facets Quiz Seaborn for Data Visualization: Seaborn Relplot Facets Quiz

  • Seaborn for Data Visualization: Seaborn Relplot Facets Solution Seaborn for Data Visualization: Seaborn Relplot Facets Solution

  • Seaborn for Data Visualization: Seaborn Catplot Seaborn for Data Visualization: Seaborn Catplot

  • Seaborn for Data Visualization: Seaborn Heatmaps Seaborn for Data Visualization: Seaborn Heatmaps

  • بوکه برای توطئه تعاملی: مقدمه ای بر بوکه Bokeh for Interactive Plotting: Introduction to Bokeh

  • بوکه برای توطئه تعاملی: نشانگرهای چند پلات بوکه Bokeh for Interactive Plotting: Bokeh Multiplots Markers

  • Bokeh for Interactive Plotting: Bokeh Multiplots Grid Plot Bokeh for Interactive Plotting: Bokeh Multiplots Grid Plot

  • Bokeh for Interactive Plotting: Bokeh Multiplots Grid Plot Quiz Bokeh for Interactive Plotting: Bokeh Multiplots Grid Plot Quiz

  • Bokeh for Interactive Plotting: Bokeh Multiplots Grid Plot Solution Bokeh for Interactive Plotting: Bokeh Multiplots Grid Plot Solution

  • Plotly for 3D Interactive Plotting: Plotly 3D Interactive Scatter Plot Plotly for 3D Interactive Plotting: Plotly 3D Interactive Scatter Plot

  • Plotly for 3D Interactive Plotting: Plotly 3D Interactive Scatter Plot Quiz Plotly for 3D Interactive Plotting: Plotly 3D Interactive Scatter Plot Quiz

  • Plotly for 3D Interactive Plotting: Plotly 3D Interactive Scatter Plot Solution Plotly for 3D Interactive Plotting: Plotly 3D Interactive Scatter Plot Solution

  • Plotly for 3D Interactive Plotting: Plotly 3D Interactive Plante Plotly for 3D Interactive Plotting: Plotly 3D Interactive Surface Plot

  • Plotly for 3D Interactive Plotting: Plotly 3D Interactive Surface Plot Quiz Plotly for 3D Interactive Plotting: Plotly 3D Interactive Surface Plot Quiz

  • Plotly for 3D Interactive Plotting: Plotly 3D Interactive Plant Plot Solution Plotly for 3D Interactive Plotting: Plotly 3D Interactive Surface Plot Solution

  • نقشه های جغرافیایی با فولیوم: نقشه های جغرافیایی با فولیوم با استفاده از داده های COVID-19 Geographic Maps with Folium: Geographic Maps with Folium using COVID-19 Data

  • نقشه‌های جغرافیایی با فولیوم: نقشه‌های جغرافیایی با فولیوم با استفاده از آزمون داده‌های COVID-19 Geographic Maps with Folium: Geographic Maps with Folium using COVID-19 Data Quiz

  • نقشه های جغرافیایی با فولیوم: نقشه های جغرافیایی با فولیوم با استفاده از راه حل داده COVID-19 Geographic Maps with Folium: Geographic Maps with Folium using COVID-19 Data Solution

  • Pandas for Plotting: Pandas for Plotting Pandas for Plotting: Pandas for Plotting

مبانی علم داده: تسلط بر احتمال و آمار در پایتون Basics for Data Science: Mastering Probability and Statistics in Python

  • معرفی Introduction

  • احتمال در مقابل آمار Probability Versus Statistics

  • مجموعه ها: تعریف مجموعه Sets: Definition of Set

  • مجموعه ها: تعریف مجموعه تمرین 01 Sets: Definition of Set Exercise 01

  • مجموعه ها: تعریف راه حل مجموعه 01 Sets: Definition of Set Solution 01

  • مجموعه ها: تعریف مجموعه تمرین 02 Sets: Definition of Set Exercise 02

  • مجموعه ها: تعریف مجموعه راه حل 02 Sets: Definition of Set Solution 02

  • مجموعه ها: کاردینالیته یک مجموعه Sets: Cardinality of a Set

  • مجموعه ها: زیر مجموعه ها PowerSet UniversalSet Sets: Subsets PowerSet UniversalSet

  • مجموعه ها: زیر مجموعه های تمرین پایتون Sets: Python Practice Subsets

  • مجموعه ها: راه حل PowerSets Sets: PowerSets Solution

  • مجموعه ها: عملیات Sets: Operations

  • مجموعه ها: عملیات تمرین 01 Sets: Operations Exercise 01

  • مجموعه ها: راه حل عملیات 01 Sets: Operations Solution 01

  • مجموعه ها: عملیات تمرین 02 Sets: Operations Exercise 02

  • مجموعه ها: راه حل عملیات 02 Sets: Operations Solution 02

  • مجموعه ها: عملیات تمرین 03 Sets: Operations Exercise 03

  • مجموعه ها: راه حل عملیات 03 Sets: Operations Solution 03

  • مجموعه ها: عملیات تمرین پایتون Sets: Python Practice Operations

  • مجموعه ها: عملیات نمودارهای ون Sets: Venn Diagrams Operations

  • مجموعه: تکالیف Sets: Homework

  • آزمایش: آزمایش تصادفی Experiment: Random Experiment

  • آزمایش: نتیجه و فضای نمونه Experiment: Outcome and Sample Space

  • آزمایش: نتیجه و نمونه تمرین فضایی 01 Experiment: Outcome and Sample Space Exercise 01

  • آزمایش: نتیجه و نمونه راه حل فضایی 01 Experiment: Outcome and Sample Space Solution 01

  • آزمایش: رویداد Experiment: Event

  • آزمایش: رویداد تمرین 01 Experiment: Event Exercise 01

  • آزمایش: راه حل رویداد 01 Experiment: Event Solution 01

  • آزمایش: رویداد تمرین 02 Experiment: Event Exercise 02

  • آزمایش: راه حل رویداد 02 Experiment: Event Solution 02

  • آزمایش: خلاصه و تکالیف Experiment: Recap and Homework

  • مدل احتمال: مدل احتمال Probability Model: Probability Model

  • مدل احتمال: بدیهیات احتمال Probability Model: Probability Axioms

  • مدل احتمال: مشتقات بدیهیات احتمال Probability Model: Probability Axioms Derivations

  • مدل احتمال: تمرین 01 مشتقات بدیهیات احتمال Probability Model: Probability Axioms Derivations Exercise 01

  • مدل احتمال: راه حل مشتقات بدیهیات احتمال 01 Probability Model: Probability Axioms Derivations Solution 01

  • مدل احتمال: مثال مدل های احتمال Probability Model: Probability Models Example

  • مدل احتمال: نمونه های بیشتر مدل های احتمال Probability Model: Probability Models More Examples

  • مدل احتمال: مدل‌های احتمال پیوسته Probability Model: Probability Models Continuous

  • مدل احتمال: احتمال شرطی Probability Model: Conditional Probability

  • مدل احتمال: مثال احتمال شرطی Probability Model: Conditional Probability Example

  • مدل احتمال: فرمول احتمال شرطی Probability Model: Conditional Probability Formula

  • مدل احتمال: احتمال شرطی در یادگیری ماشین Probability Model: Conditional Probability in Machine Learning

  • مدل احتمال: قضیه احتمال کل احتمال شرطی Probability Model: Conditional Probability Total Probability Theorem

  • مدل احتمال: مدل‌های احتمال استقلال Probability Model: Probability Models Independence

  • مدل احتمال: مدل‌های احتمال استقلال شرطی Probability Model: Probability Models Conditional Independence

  • مدل احتمال: تمرین استقلال شرطی مدل های احتمال 01 Probability Model: Probability Models Conditional Independence Exercise 01

  • مدل احتمال: مدل های احتمال راه حل استقلال شرطی 01 Probability Model: Probability Models Conditional Independence Solution 01

  • مدل احتمال: مدل‌های احتمال BayesRule Probability Model: Probability Models BayesRule

  • مدل احتمال: مدل‌های احتمال نسبت به متغیرهای تصادفی Probability Model: Probability Models towards Random Variables

  • مدل احتمال: تکلیف Probability Model: Homework

  • متغیرهای تصادفی: مقدمه Random Variables: Introduction

  • متغیرهای تصادفی: نمونه هایی از متغیرهای تصادفی Random Variables: Random Variables Examples

  • متغیرهای تصادفی: متغیرهای تصادفی مثال تمرین 01 Random Variables: Random Variables Examples Exercise 01

  • متغیرهای تصادفی: حل 01 نمونه متغیرهای تصادفی Random Variables: Random Variables Examples Solution 01

  • متغیرهای تصادفی: متغیرهای تصادفی برنولی Random Variables: Bernulli Random Variables

  • متغیرهای تصادفی: تمرین پایتون برنولی Random Variables: Bernulli Trail Python Practice

  • متغیرهای تصادفی: تمرین تمرین پایتون دنباله برنولی 01 Random Variables: Bernulli Trail Python Practice Exercise 01

  • متغیرهای تصادفی: راه حل تمرین پایتون پیتون برنولی 01 Random Variables: Bernulli Trail Python Practice Solution 01

  • متغیرهای تصادفی: متغیر تصادفی هندسی Random Variables: Geometric Random Variable

  • متغیرهای تصادفی: اثبات عادی سازی متغیر تصادفی هندسی اختیاری است Random Variables: Geometric Random Variable Normalization Proof Optional

  • متغیرهای تصادفی: تمرین پایتون متغیر تصادفی هندسی Random Variables: Geometric Random Variable Python Practice

  • متغیرهای تصادفی: متغیرهای تصادفی دو جمله ای Random Variables: Binomial Random Variables

  • متغیرهای تصادفی: تمرین پایتون دو جمله ای Random Variables: Binomial Python Practice

  • متغیرهای تصادفی: متغیرهای تصادفی در مجموعه داده های واقعی Random Variables: Random Variables in Real Datasets

  • متغیرهای تصادفی: تمرین 01 متغیرهای تصادفی در مجموعه داده های واقعی Random Variables: Random Variables in Real Datasets Exercise 01

  • متغیرهای تصادفی: متغیرهای تصادفی در مجموعه داده های واقعی راه حل 01 Random Variables: Random Variables in Real Datasets Solution 01

  • متغیرهای تصادفی: تکلیف Random Variables: Homework

  • متغیرهای تصادفی پیوسته: احتمال صفر تا مقادیر فردی Continuous Random Variables: Zero Probability to Individual Values

  • متغیرهای تصادفی پیوسته: احتمال صفر به مقادیر فردی تمرین 01 Continuous Random Variables: Zero Probability to Individual Values Exercise 01

  • متغیرهای تصادفی پیوسته: احتمال صفر به مقادیر فردی راه حل 01 Continuous Random Variables: Zero Probability to Individual Values Solution 01

  • متغیرهای تصادفی پیوسته: توابع چگالی احتمال Continuous Random Variables: Probability Density Functions

  • متغیرهای تصادفی پیوسته: توابع چگالی احتمال تمرین 01 Continuous Random Variables: Probability Density Functions Exercise 01

  • متغیرهای تصادفی پیوسته: راه حل 01 توابع چگالی احتمال Continuous Random Variables: Probability Density Functions Solution 01

  • متغیرهای تصادفی پیوسته: توزیع یکنواخت Continuous Random Variables: Uniform Distribution

  • متغیرهای تصادفی پیوسته: تمرین توزیع یکنواخت 01 Continuous Random Variables: Uniform Distribution Exercise 01

  • متغیرهای تصادفی پیوسته: راه حل توزیع یکنواخت 01 Continuous Random Variables: Uniform Distribution Solution 01

  • متغیرهای تصادفی پیوسته: پایتون با توزیع یکنواخت Continuous Random Variables: Uniform Distribution Python

  • متغیرهای تصادفی پیوسته: نمایی Continuous Random Variables: Exponential

  • متغیرهای تصادفی پیوسته: تمرین نمایی 01 Continuous Random Variables: Exponential Exercise 01

  • متغیرهای تصادفی پیوسته: راه حل نمایی 01 Continuous Random Variables: Exponential Solution 01

  • متغیرهای تصادفی پیوسته: پایتون نمایی Continuous Random Variables: Exponential Python

  • متغیرهای تصادفی پیوسته: متغیرهای تصادفی گاوسی Continuous Random Variables: Gaussian Random Variables

  • متغیرهای تصادفی پیوسته: متغیرهای تصادفی گاوسی تمرین 01 Continuous Random Variables: Gaussian Random Variables Exercise 01

  • متغیرهای تصادفی پیوسته: حل متغیرهای تصادفی گاوسی 01 Continuous Random Variables: Gaussian Random Variables Solution 01

  • متغیرهای تصادفی پیوسته: پایتون گاوسی Continuous Random Variables: Gaussian Python

  • متغیرهای تصادفی پیوسته: تبدیل متغیرهای تصادفی Continuous Random Variables: Transformation of Random Variables

  • متغیرهای تصادفی پیوسته: تکلیف Continuous Random Variables: Homework

  • انتظارات: تعریف Expectations: Definition

  • انتظارات: میانگین نمونه Expectations: Sample Mean

  • انتظارات: قانون اعداد بزرگ Expectations: Law of Large Numbers

  • انتظارات: قانون اعداد بزرگ توزیع های معروف Expectations: Law of Large Numbers Famous Distributions

  • انتظارات: قانون اعداد بزرگ، توزیع های معروف پایتون Expectations: Law of Large Numbers Famous Distributions Python

  • انتظارات: واریانس Expectations: Variance

  • انتظارات: تکالیف Expectations: Homework

  • Project Bayes Classifier: Project Bayes Classifier از ابتدا Project Bayes Classifier: Project Bayes Classifier from Scratch

  • متغیرهای تصادفی چندگانه: توزیع های مشترک Multiple Random Variables: Joint Distributions

  • متغیرهای تصادفی چندگانه: تمرین 01 توزیع مشترک Multiple Random Variables: Joint Distributions Exercise 01

  • متغیرهای تصادفی چندگانه: راه حل توزیع مشترک 01 Multiple Random Variables: Joint Distributions Solution 01

  • متغیرهای تصادفی چندگانه: تمرین 02 توزیع مشترک Multiple Random Variables: Joint Distributions Exercise 02

  • متغیرهای تصادفی چندگانه: راه حل توزیع مشترک 02 Multiple Random Variables: Joint Distributions Solution 02

  • متغیرهای تصادفی چندگانه: تمرین 03 توزیع مشترک Multiple Random Variables: Joint Distributions Exercise 03

  • متغیرهای تصادفی چندگانه: راه حل توزیع مشترک 03 Multiple Random Variables: Joint Distributions Solution 03

  • متغیرهای تصادفی چندگانه: گاوسی چند متغیره Multiple Random Variables: Multivariate Gaussian

  • متغیرهای تصادفی چندگانه: استقلال شرطی Multiple Random Variables: Conditioning Independence

  • متغیرهای تصادفی چندگانه: طبقه بندی Multiple Random Variables: Classification

  • متغیرهای تصادفی چندگانه: طبقه بندی ساده بیز Multiple Random Variables: Naive Bayes Classification

  • متغیرهای تصادفی چندگانه: رگرسیون Multiple Random Variables: Regression

  • متغیرهای تصادفی چندگانه: نفرین ابعاد Multiple Random Variables: Curse of Dimensionality

  • متغیرهای تصادفی چندگانه: تکالیف Multiple Random Variables: Homework

  • تخمین اختیاری: توزیع های پارامتریک Optional Estimation: Parametric Distributions

  • تخمین اختیاری: MLE Optional Estimation: MLE

  • تخمین اختیاری: احتمال منطقی Optional Estimation: Loglikelihood

  • تخمین اختیاری: MAP Optional Estimation: MAP

  • تخمین اختیاری: رگرسیون لجستیک Optional Estimation: Logistic Regression

  • تخمین اختیاری: رگرسیون ریج Optional Estimation: Ridge Regression

  • تخمین اختیاری: DNN Optional Estimation: DNN

  • مشتقات ریاضی برای عاشقان ریاضی (اختیاری): جایگشت Mathematical Derivations for Math Lovers (Optional): Permutations

  • مشتقات ریاضی برای عاشقان ریاضی (اختیاری): ترکیبات Mathematical Derivations for Math Lovers (Optional): Combinations

  • مشتقات ریاضی برای عاشقان ریاضی (اختیاری): متغیر تصادفی دو جمله ای Mathematical Derivations for Math Lovers (Optional): Binomial Random Variable

  • مشتقات ریاضی برای عاشقان ریاضی (اختیاری): فرمول رگرسیون لجستیک Mathematical Derivations for Math Lovers (Optional): Logistic Regression Formulation

  • مشتقات ریاضی برای عاشقان ریاضی (اختیاری): مشتق رگرسیون لجستیک Mathematical Derivations for Math Lovers (Optional): Logistic Regression Derivation

یادگیری ماشین: دوره تصادف یادگیری ماشین Machine Learning: Machine Learning Crash Course

  • معرفی Introduction

  • مقدمه: Python Practical of the Course Introduction: Python Practical of the Course

  • چرا یادگیری ماشینی: کاربردهای یادگیری ماشین - قسمت 1 Why Machine Learning: Machine Learning Applications-Part 1

  • چرا یادگیری ماشینی: کاربردهای یادگیری ماشین - قسمت 2 Why Machine Learning: Machine Learning Applications-Part 2

  • چرا یادگیری ماشینی: چرا یادگیری ماشینی در حال حاضر مرسوم است Why Machine Learning: Why Machine Learning is Trending Now

  • فرآیند یادگیری از داده ها: یادگیری تحت نظارت Process of Learning from Data: Supervised Learning

  • فرآیند یادگیری از داده ها: یادگیری بدون نظارت و یادگیری تقویتی Process of Learning from Data: Unsupervised Learning and Reinforcement Learning

  • روش‌های یادگیری ماشین: ویژگی‌ها Machine Learning Methods: Features

  • روش‌های یادگیری ماشین: ویژگی‌ها تمرین با پایتون Machine Learning Methods: Features Practice with Python

  • روش های یادگیری ماشین: رگرسیون Machine Learning Methods: Regression

  • روش‌های یادگیری ماشین: تمرین رگرسیون با پایتون Machine Learning Methods: Regression Practice with Python

  • روش های یادگیری ماشینی: طبقه بندی Machine Learning Methods: Classification

  • روش‌های یادگیری ماشین: تمرین طبقه‌بندی با پایتون Machine Learning Methods: Classification Practice with Python

  • روش های یادگیری ماشینی: خوشه بندی Machine Learning Methods: Clustering

  • روش‌های یادگیری ماشین: تمرین خوشه‌بندی با پایتون Machine Learning Methods: Clustering Practice with Python

  • آماده سازی داده ها و پیش پردازش: مدیریت داده های تصویر Data Preparation and Pre-processing: Handling Image Data

  • آماده سازی و پیش پردازش داده ها: مدیریت داده های تصویری و صوتی Data Preparation and Preprocessing: Handling Video and Audio Data

  • آماده سازی و پیش پردازش داده ها: مدیریت داده های متنی Data Preparation and Preprocessing: Handling Text Data

  • آماده سازی و پیش پردازش داده ها: یک کدگذاری داغ Data Preparation and Preprocessing: One Hot Encoding

  • آماده سازی و پیش پردازش داده ها: استانداردسازی داده ها Data Preparation and Preprocessing: Data Standardization

  • مدل‌های یادگیری ماشین و بهینه‌سازی: یادگیری ماشین مدل ۱ Machine Learning Models and Optimization: Machine Learning Model 1

  • مدل‌های یادگیری ماشین و بهینه‌سازی: یادگیری ماشین مدل ۲ Machine Learning Models and Optimization: Machine Learning Model 2

  • مدل های یادگیری ماشین و بهینه سازی: یادگیری ماشین مدل 3 Machine Learning Models and Optimization: Machine Learning Model 3

  • مدل‌های یادگیری ماشین و بهینه‌سازی: فرآیند آموزش، خطا، هزینه و ضرر Machine Learning Models and Optimization: Training Process, Error, Cost and Loss

  • مدل های یادگیری ماشین و بهینه سازی: بهینه سازی Machine Learning Models and Optimization: Optimization

  • ساخت مدل یادگیری ماشین از ابتدا: رگرسیون خطی از ابتدا - قسمت 1 Building Machine Learning Model from Scratch: Linear Regression from Scratch- Part 1

  • ساخت مدل یادگیری ماشین از ابتدا: رگرسیون خطی از ابتدا - قسمت 2 Building Machine Learning Model from Scratch: Linear Regression from Scratch- Part 2

  • ساخت مدل یادگیری ماشین از ابتدا: طبقه بندی کننده فاصله حداقل به میانگین از ابتدا - قسمت 1 Building Machine Learning Model from Scratch: Minimum-to-mean Distance Classifier from Scratch- Part 1

  • ساخت مدل یادگیری ماشین از ابتدا: طبقه بندی کننده فاصله حداقل به میانگین از ابتدا - قسمت 2 Building Machine Learning Model from Scratch: Minimum-to-mean Distance Classifier from Scratch- Part 2

  • ساخت مدل یادگیری ماشین از ابتدا: K-Means Clustering from Scratch- Part 1 Building Machine Learning Model from Scratch: K-Means Clustering from Scratch- Part 1

  • ساخت مدل یادگیری ماشین از ابتدا: K-Means Clustering from Scratch- Part 2 Building Machine Learning Model from Scratch: K-Means Clustering from Scratch- Part 2

  • Overfitting، Underfitting و Generalization: Overfitting مقدمه Overfitting, Underfitting, and Generalization: Overfitting Introduction

  • Overfitting، Underfitting و Generalization: Overfitting مثال در پایتون Overfitting, Underfitting, and Generalization: Overfitting Example in Python

  • اضافه برازش، کم تناسب و تعمیم: منظم سازی Overfitting, Underfitting, and Generalization: Regularization

  • اضافه برازش، کم تناسب و تعمیم: تعمیم Overfitting, Underfitting, and Generalization: Generalization

  • اضافه برازش، عدم تناسب و تعمیم: ردیابی داده ها و مجموعه تست Overfitting, Underfitting, and Generalization: Data Snooping and the Test Set

  • اضافه برازش، عدم تناسب و تعمیم: اعتبارسنجی متقابل Overfitting, Underfitting and Generalization: Cross-validation

  • معیارهای عملکرد مدل یادگیری ماشین: دقت Machine Learning Model Performance Metrics: The Accuracy

  • معیارهای عملکرد مدل یادگیری ماشین: ماتریس سردرگمی Machine Learning Model Performance Metrics: The Confusion Matrix

  • کاهش ابعاد: نفرین ابعاد Dimensionality Reduction: The Curse of Dimensionality

  • کاهش ابعاد: تجزیه و تحلیل مؤلفه اصلی (PCA) Dimensionality Reduction: The Principal Component Analysis (PCA)

  • مروری بر یادگیری عمیق: مقدمه ای بر شبکه های عصبی عمیق (DNN) Deep Learning Overview: Introduction to Deep Neural Networks (DNN)

  • مروری بر یادگیری عمیق: مقدمه ای بر شبکه های عصبی کانولوشن (CNN) Deep Learning Overview: Introduction to Convolutional Neural Networks (CNN)

  • مروری بر یادگیری عمیق: مقدمه ای بر شبکه های عصبی مکرر (CNN) Deep Learning Overview: Introduction to Recurrent Neural Networks (CNN)

  • پروژه یادگیری ماشینی عملی با استفاده از Scikit-Learn: تجزیه و تحلیل اجزای اصلی (PCA) با پایتون Hands-on Machine Learning Project Using Scikit-Learn: Principal Component Analysis (PCA) with Python

  • پروژه یادگیری ماشینی عملی با استفاده از Scikit-Learn: Pipeline در Scikit-Learn برای پروژه یادگیری ماشین Hands-on Machine Learning Project Using Scikit-Learn: Pipeline in Scikit-Learn for Machine Learning Project

  • پروژه یادگیری ماشینی عملی با استفاده از Scikit-Learn: اعتبار سنجی متقابل با پایتون Hands-on Machine Learning Project Using Scikit-Learn: Cross-validation with Python

  • پروژه یادگیری ماشینی عملی با استفاده از Scikit-Learn: پروژه تشخیص چهره با پایتون Hands-on Machine Learning Project Using Scikit-Learn: Face Recognition Project with Python

  • بخش اختیاری- جمع بندی ریاضیات: جمع بندی ریاضی در مورد یادگیری ماشینی OPTIONAL Section- Mathematics Wrap-Up: Mathematical Wrap-Up on Machine Learning

یادگیری ماشین: مهندسی ویژگی و کاهش ابعاد با پایتون Machine Learning: Feature Engineering and Dimensionality Reduction with Python

  • معرفی Introduction

  • ویژگی ها در علم داده: مقدمه ای بر ویژگی در علم داده Features in Data Science: Introduction to Feature in Data Science

  • ویژگی های علم داده: علامت گذاری ویژگی های صورت Features in Data Science: Marking Facial Features

  • ویژگی ها در علم داده: فضای ویژگی Features in Data Science: Feature Space

  • ویژگی ها در علم داده: ویژگی ها ابعاد Features in Data Science: Features Dimensions

  • ویژگی‌ها در علم داده: ویژگی‌های فعالیت ابعاد Features in Data Science: Features Dimensions Activity

  • ویژگی های علم داده: چرا کاهش ابعاد Features in Data Science: Why Dimensionality Reduction

  • ویژگی ها در علم داده: کاهش فعالیت- ابعاد Features in Data Science: Activity-Dimensionality Reduction

  • ویژگی‌ها در علم داده: روش‌های کاهش ابعاد ویژگی Features in Data Science: Feature Dimensionality Reduction Methods

  • انتخاب ویژگی: چرا انتخاب ویژگی Feature Selection: Why Feature Selection

  • انتخاب ویژگی: روش‌های انتخاب ویژگی Feature Selection: Feature Selection Methods

  • انتخاب ویژگی: روش های فیلتر Feature Selection: Filter Methods

  • انتخاب ویژگی: روش های بسته بندی Feature Selection: Wrapper Methods

  • انتخاب ویژگی: روش های جاسازی شده Feature Selection: Embedded Methods

  • انتخاب ویژگی: استراتژی جستجو Feature Selection: Search Strategy

  • انتخاب ویژگی: فعالیت استراتژی جستجو Feature Selection: Search Strategy Activity

  • انتخاب ویژگی: روش‌های مبتنی بر آمار Feature Selection: Statistical Based Methods

  • انتخاب ویژگی: روش های نظری اطلاعات Feature Selection: Information Theoretic Methods

  • انتخاب ویژگی: مقدمه روش‌های مبتنی بر تشابه Feature Selection: Similarity Based Methods Introduction

  • انتخاب ویژگی: معیارهای روش های مبتنی بر تشابه Feature Selection: Similarity Based Methods Criteria

  • انتخاب ویژگی: فعالیت - انتخاب ویژگی در پایتون Feature Selection: Activity- Feature Selection in Python

  • انتخاب ویژگی: فعالیت- انتخاب ویژگی Feature Selection: Activity- Feature Selection

  • پایه ریاضی: مقدمه ای بر مبنای ریاضی انتخاب ویژگی Mathematical Foundation: Introduction to Mathematical Foundation of Feature Selection

  • پایه ریاضی: بسته شدن یک مجموعه Mathematical Foundation: Closure of a Set

  • پایه ریاضی: ترکیبات خطی Mathematical Foundation: Linear Combinations

  • پایه ریاضی: استقلال خطی Mathematical Foundation: Linear Independence

  • پایه ریاضی: فضای برداری Mathematical Foundation: Vector Space

  • مبانی ریاضی: مبانی و ابعاد Mathematical Foundation: Basis and Dimensions

  • پایه ریاضی: مختصات در مقابل ابعاد Mathematical Foundation: Coordinates Versus Dimensions

  • پایه ریاضی: زیرفضا Mathematical Foundation: SubSpace

  • پایه ریاضی: مبانی متعارف Mathematical Foundation: Orthonormal Basis

  • پایه ریاضی: محصول ماتریسی Mathematical Foundation: Matrix Product

  • پایه ریاضی: حداقل مربعات Mathematical Foundation: Least Squares

  • پایه ریاضی: رتبه Mathematical Foundation: Rank

  • بنیاد ریاضی: فضای ویژه Mathematical Foundation: Eigen Space

  • پایه ریاضی: ماتریس نیمه قطعی مثبت Mathematical Foundation: Positive Semi Definite Matrix

  • پایه ریاضی: تجزیه ارزش منفرد (SVD) Mathematical Foundation: Singular Value Decomposition (SVD)

  • پایه ریاضی: ضریب های لاگرانژ Mathematical Foundation: Lagrange Multipliers

  • پایه ریاضی: مشتقات برداری Mathematical Foundation: Vector Derivatives

  • پایه ریاضی: ماژول جبر خطی پایتون Mathematical Foundation: Linear Algebra Module Python

  • پایه ریاضی: فعالیت - ماژول جبر خطی پایتون Mathematical Foundation: Activity-Linear Algebra Module Python

  • استخراج ویژگی: معرفی استخراج ویژگی Feature Extraction: Feature Extraction Introduction

  • استخراج ویژگی: PCA معرفی Feature Extraction: PCA Introduction

  • استخراج ویژگی: معیارهای PCA Feature Extraction: PCA Criteria

  • استخراج ویژگی: ویژگی های PCA Feature Extraction: PCA Properties

  • استخراج ویژگی: فرمولاسیون PCA Max Variance Feature Extraction: PCA Max Variance Formulation

  • استخراج ویژگی: مشتق PCA Feature Extraction: PCA Derivation

  • استخراج ویژگی: پیاده سازی PCA Feature Extraction: PCA Implementation

  • استخراج ویژگی: PCA برای مشکلات اندازه نمونه کوچک (DualPCA) Feature Extraction: PCA For Small Sample Size Problems(DualPCA)

  • استخراج ویژگی: PCA در مقابل SVD Feature Extraction: PCA Versus SVD

  • استخراج ویژگی: هسته PCA Feature Extraction: Kernel PCA

  • استخراج ویژگی: هسته PCA در مقابل ISOMAP Feature Extraction: Kernel PCA Versus ISOMAP

  • استخراج ویژگی: هسته PCA در مقابل بقیه Feature Extraction: Kernel PCA Versus the Rest

  • استخراج ویژگی: شبکه های رمزگشای رمزگذار برای کاهش ابعاد در مقابل هسته PCA Feature Extraction: Encoder Decoder Networks for Dimensionality Reduction Versus Kernel PCA

  • استخراج ویژگی: PCA نظارت شده و تجزیه و تحلیل تشخیصی خطی فیشرز Feature Extraction: Supervised PCA and Fishers Linear Discriminant Analysis

  • استخراج ویژگی: PCA نظارت شده و فعالیت تجزیه و تحلیل تشخیصی خطی فیشرز Feature Extraction: Supervised PCA and Fishers Linear Discriminant Analysis Activity

  • استخراج ویژگی: پروژه پایتون خطوط لوله کاهش ابعاد Feature Extraction: Dimensionality Reduction Pipelines Python Project

  • مهندسی ویژگی: ویژگی های دسته بندی Feature Engineering: Categorical Features

  • مهندسی ویژگی: ویژگی های دسته بندی پایتون Feature Engineering: Categorical Features Python

  • مهندسی ویژگی: ویژگی های متن Feature Engineering: Text Features

  • مهندسی ویژگی: ویژگی های تصویر Feature Engineering: Image Features

  • مهندسی ویژگی: ویژگی های مشتق شده Feature Engineering: Derived Features

  • مهندسی ویژگی: ویژگی های مشتق شده هیستوگرام شیب الگوهای باینری محلی Feature Engineering: Derived Features Histogram of Gradients Local Binary Patterns

  • مهندسی ویژگی: مقیاس گذاری ویژگی Feature Engineering: Feature Scaling

  • مهندسی ویژگی: مقیاس فعالیت-ویژگی Feature Engineering: Activity-Feature Scaling

یادگیری عمیق: شبکه های عصبی مصنوعی با پایتون Deep learning: Artificial Neural Networks with Python

  • معرفی Introduction

  • مقدمه ای بر یادگیری ماشینی: مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning: Introduction to Machine Learning

  • مقدمه ای بر یادگیری ماشین: طبقه بندی Introduction to Machine Learning: Classification

  • مقدمه ای بر یادگیری ماشینی: تمرین طبقه بندی Introduction to Machine Learning: Classification Exercise

  • مقدمه ای بر یادگیری ماشین: راه حل طبقه بندی Introduction to Machine Learning: Classification Solution

  • مقدمه ای بر یادگیری ماشین: فرآیند آموزش طبقه بندی و احتمالات پیش بینی Introduction to Machine Learning: Classification Training Process and Prediction Probabilities

  • مقدمه ای بر یادگیری ماشینی: تمرین احتمالات پیش بینی طبقه بندی Introduction to Machine Learning: Classification Prediction Probabilities Exercise

  • مقدمه ای بر یادگیری ماشین: راه حل تمرین احتمالات پیش بینی طبقه بندی Introduction to Machine Learning: Classification Prediction Probabilities Exercise Solution

  • مقدمه ای بر یادگیری ماشین: رگرسیون Introduction to Machine Learning: Regression

  • مقدمه ای بر یادگیری ماشین: تمرین رگرسیون Introduction to Machine Learning: Regression Exercise

  • مقدمه ای بر یادگیری ماشین: راه حل تمرین رگرسیون Introduction to Machine Learning: Regression Exercise Solution

  • مقدمه ای بر یادگیری ماشینی: یادگیری تحت نظارت Introduction to Machine Learning: Supervised Learning

  • مقدمه ای بر یادگیری ماشینی: یادگیری بدون نظارت Introduction to Machine Learning: Unsupervised Learning

  • مقدمه ای بر یادگیری ماشینی: یادگیری تقویتی Introduction to Machine Learning: Reinforcement Learning

  • مقدمه ای بر یادگیری ماشینی: مدل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model

  • مقدمه ای بر یادگیری ماشینی: مثال مدل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model Example

  • مقدمه ای بر یادگیری ماشینی: تمرین مدل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model Exercise

  • مقدمه ای بر یادگیری ماشینی: راه حل تمرین مدل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model Exercise Solution

  • مقدمه ای بر یادگیری ماشینی: انواع مدل های یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model Types

  • مقدمه ای بر یادگیری ماشینی: خطی بودن مدل یادگیری ماشین Introduction to Machine Learning: Machine Learning Model Linearity

  • مقدمه ای بر یادگیری ماشینی: تمرین خطی مدل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model Linearity Exercise

  • مقدمه ای بر یادگیری ماشینی: راه حل تمرین خطی مدل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model Linearity Exercise Solution

  • مقدمه ای بر یادگیری ماشینی: مدل های یادگیری ماشینی مدل های چند هدف Introduction to Machine Learning: Machine Learning Model Multi Target Models

  • مقدمه ای بر یادگیری ماشینی: تمرین مدل یادگیری ماشینی مدل های چند هدف Introduction to Machine Learning: Machine Learning Model Multi Target Models Exercise

  • مقدمه ای بر یادگیری ماشینی: راه حل تمرین مدل های چند هدفه مدل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model Multi Target Models Exercise Solution

  • مقدمه ای بر یادگیری ماشینی: تمرین آموزش مدل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model Training Exercise

  • مقدمه ای بر یادگیری ماشینی: راه حل تمرین مدل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model Training Exercise Solution

  • مقدمه ای بر یادگیری ماشینی: افت آموزش مدل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Model Training Loss

  • مقدمه ای بر یادگیری ماشین: تمرین فراپارامترهای مدل یادگیری ماشین Introduction to Machine Learning: Machine Learning Model Hyperparameters Exercise

  • مقدمه ای بر یادگیری ماشین: راه حل تمرین فراپارامترهای مدل یادگیری ماشین Introduction to Machine Learning: Machine Learning Model Hyperparameters Exercise Solution

  • مقدمه ای بر یادگیری ماشینی: یادگیری ماشینی Occam's Razor Introduction to Machine Learning: Machine Learning Occam's Razor

  • مقدمه ای بر یادگیری ماشینی: بیش از حد برازش یادگیری ماشین Introduction to Machine Learning: Machine Learning Overfitting

  • مقدمه ای بر یادگیری ماشینی: تمرین بیش از حد برازش یادگیری ماشین Introduction to Machine Learning: Machine Learning Overfitting Exercise

  • مقدمه ای بر یادگیری ماشینی: منظم سازی راه حل تمرین بیش از حد یادگیری ماشینی Introduction to Machine Learning: Machine Learning Overfitting Exercise Solution Regularization

  • مقدمه ای بر یادگیری ماشینی: تعمیم بیش از حد برازش یادگیری ماشینی Introduction to Machine Learning: Machine Learning Overfitting Generalization

  • مقدمه ای بر یادگیری ماشینی: ردیابی داده های یادگیری ماشینی Introduction to Machine Learning: Machine Learning Data Snooping

  • مقدمه ای بر یادگیری ماشینی: اعتبار سنجی متقابل یادگیری ماشینی Introduction to Machine Learning: Machine Learning Cross Validation

  • مقدمه ای بر یادگیری ماشین: تمرین تنظیم فراپارامتر یادگیری ماشین Introduction to Machine Learning: Machine Learning Hyperparameter Tunning Exercise

  • مقدمه ای بر یادگیری ماشین: راه حل تمرین تنظیم فراپارامتر یادگیری ماشین Introduction to Machine Learning: Machine Learning Hyperparameter Tunning Exercise Solution

  • DNN و مبانی یادگیری عمیق: چرا PyTorch DNN and Deep Learning Basics: Why PyTorch

  • مبانی DNN و Deep Learning: PyTorch Installation and Tensors DNN and Deep Learning Basics: PyTorch Installation and Tensors Introduction

  • DNN و مبانی یادگیری عمیق: تمایز خودکار PyTorch جدید DNN and Deep Learning Basics: Automatic Differentiation PyTorch New

  • DNN و مبانی یادگیری عمیق: چرا DNN ها در یادگیری ماشینی؟ DNN and Deep Learning Basics: Why DNNs in Machine Learning

  • DNN و مبانی یادگیری عمیق: قدرت بازنمایی و ظرفیت استفاده از داده DNN DNN and Deep Learning Basics: Representational Power and Data Utilization Capacity of DNN

  • DNN و مبانی یادگیری عمیق: پرسپترون DNN and Deep Learning Basics: Perceptron

  • DNN و مبانی یادگیری عمیق: تمرین پرسپترون DNN and Deep Learning Basics: Perceptron Exercise

  • DNN و مبانی یادگیری عمیق: راه حل تمرین پرسپترون DNN and Deep Learning Basics: Perceptron Exercise Solution

  • DNN و مبانی یادگیری عمیق: پیاده سازی پرسپترون DNN and Deep Learning Basics: Perceptron Implementation

  • DNN و مبانی یادگیری عمیق: معماری DNN DNN and Deep Learning Basics: DNN Architecture

  • DNN و مبانی یادگیری عمیق: تمرین معماری DNN DNN and Deep Learning Basics: DNN Architecture Exercise

  • DNN و مبانی یادگیری عمیق: راه حل تمرین معماری DNN DNN and Deep Learning Basics: DNN Architecture Exercise Solution

  • DNN و مبانی یادگیری عمیق: پیاده سازی DNN ForwardStep DNN and Deep Learning Basics: DNN ForwardStep Implementation

  • DNN و مبانی یادگیری عمیق: DNN چرا عملکرد فعال سازی مورد نیاز است DNN and Deep Learning Basics: DNN Why Activation Function Is Required

  • DNN و مبانی یادگیری عمیق: DNN چرا عملکرد فعالسازی مورد نیاز است DNN and Deep Learning Basics: DNN Why Activation Function Is Required Exercise

  • DNN و مبانی یادگیری عمیق: DNN چرا عملکرد فعالسازی مورد نیاز است راه حل تمرین DNN and Deep Learning Basics: DNN Why Activation Function Is Required Exercise Solution

  • DNN و مبانی یادگیری عمیق: ویژگی های DNN تابع فعال سازی DNN and Deep Learning Basics: DNN Properties of Activation Function

  • DNN و مبانی یادگیری عمیق: توابع فعال سازی DNN در PyTorch DNN and Deep Learning Basics: DNN Activation Functions in PyTorch

  • DNN و مبانی یادگیری عمیق: DNN عملکرد از دست دادن چیست DNN and Deep Learning Basics: DNN What is Loss Function

  • DNN و مبانی یادگیری عمیق: DNN تمرین عملکرد از دست دادن چیست DNN and Deep Learning Basics: DNN What is Loss Function Exercise

  • DNN و مبانی یادگیری عمیق: راه حل تمرین عملکرد DNN چیست DNN and Deep Learning Basics: DNN What is Loss Function Exercise Solution

  • DNN و مبانی یادگیری عمیق: تمرین 02 عملکرد DNN چیست DNN and Deep Learning Basics: DNN What is Loss Function Exercise 02

  • DNN و مبانی یادگیری عمیق: راه حل تمرین 02 عملکرد DNN چیست؟ DNN and Deep Learning Basics: DNN What is Loss Function Exercise 02 Solution

  • DNN و مبانی یادگیری عمیق: عملکرد از دست دادن DNN در PyTorch DNN and Deep Learning Basics: DNN Loss Function in PyTorch

  • مبانی DNN و Deep Learning: DNN Gradient Descent DNN and Deep Learning Basics: DNN Gradient Descent

  • DNN و مبانی یادگیری عمیق: تمرین نزول گرادیان DNN DNN and Deep Learning Basics: DNN Gradient Descent Exercise

  • DNN و مبانی یادگیری عمیق: راه حل تمرین نزول گرادیان DNN DNN and Deep Learning Basics: DNN Gradient Descent Exercise Solution

  • مبانی DNN و یادگیری عمیق: پیاده‌سازی گرادیان DNN DNN and Deep Learning Basics: DNN Gradient Descent Implementation

  • مبانی DNN و Deep Learning: مینی‌بچ تصادفی دسته‌ای تصادفی با گرادیان DNN DNN and Deep Learning Basics: DNN Gradient Descent Stochastic Batch Minibatch

  • DNN و Deep Learning Basics: DNN Gradient Descent خلاصه DNN and Deep Learning Basics: DNN Gradient Descent Summary

  • DNN و مبانی یادگیری عمیق: مرحله گرادیان پیاده سازی DNN DNN and Deep Learning Basics: DNN Implementation Gradient Step

  • DNN و مبانی یادگیری عمیق: پیاده‌سازی DNN نزول گرادیان تصادفی DNN and Deep Learning Basics: DNN Implementation Stochastic Gradient Descent

  • DNN و مبانی یادگیری عمیق: پیاده‌سازی DNN دسته‌ای گرادیان نزول DNN and Deep Learning Basics: DNN Implementation Batch Gradient Descent

  • مبانی DNN و Deep Learning: اجرای DNN Minibach Gradient Descent DNN and Deep Learning Basics: DNN Implementation Minibatch Gradient Descent

  • DNN و مبانی یادگیری عمیق: پیاده سازی DNN در PyTorch DNN and Deep Learning Basics: DNN Implementation in PyTorch

  • مبانی DNN و Deep Learning: مقداردهی اولیه DNN Weights DNN and Deep Learning Basics: DNN Weights Initializations

  • DNN و مبانی یادگیری عمیق: نرخ یادگیری DNN DNN and Deep Learning Basics: DNN Learning Rate

  • DNN و اصول یادگیری عمیق: عادی سازی دسته ای DNN DNN and Deep Learning Basics: DNN Batch Normalization

  • DNN و مبانی یادگیری عمیق: اجرای عادی سازی دسته ای DNN DNN and Deep Learning Basics: DNN Batch Normalization Implementation

  • DNN و مبانی یادگیری عمیق: بهینه سازی DNN DNN and Deep Learning Basics: DNN Optimizations

  • DNN و مبانی یادگیری عمیق: DNN Dropout DNN and Deep Learning Basics: DNN Dropout

  • DNN و مبانی یادگیری عمیق: DNN Dropout در PyTorch DNN and Deep Learning Basics: DNN Dropout in PyTorch

  • DNN و اصول یادگیری عمیق: توقف زودهنگام DNN DNN and Deep Learning Basics: DNN Early Stopping

  • DNN و مبانی یادگیری عمیق: فراپارامترهای DNN DNN and Deep Learning Basics: DNN Hyperparameters

  • DNN و مبانی یادگیری عمیق: DNN PyTorch CIFAR10 مثال DNN and Deep Learning Basics: DNN PyTorch CIFAR10 Example

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: مقدمه ای بر شبکه های عصبی مصنوعی Deep Neural Networks and Deep Learning Basics: Introduction to Artificial Neural Networks

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: نورون و پرسپترون Deep Neural Networks and Deep Learning Basics: Neuron and Perceptron

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: معماری شبکه های عصبی عمیق Deep Neural Networks and Deep Learning Basics: Deep Neural Network Architecture

  • شبکه‌های عصبی عمیق و اصول یادگیری عمیق: MLP کاملاً متصل Feedforward Deep Neural Networks and Deep Learning Basics: Feedforward Fully Connected MLP

  • شبکه های عصبی عمیق و اصول یادگیری عمیق: محاسبه تعداد وزن DNN Deep Neural Networks and Deep Learning Basics: Calculating Number of Weights of DNN

  • شبکه های عصبی عمیق و اصول یادگیری عمیق: تعداد نورون ها در مقابل تعداد لایه ها Deep Neural Networks and Deep Learning Basics: Number of Neurons Versus Number of Layers

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: یادگیری متمایز در مقابل یادگیری مولد Deep Neural Networks and Deep Learning Basics: Discriminative Versus Generative Learning

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: قضیه تقریب جهانی Deep Neural Networks and Deep Learning Basics: Universal Approximation Theorem

  • شبکه های عصبی عمیق و اصول یادگیری عمیق: چرا عمق؟ Deep Neural Networks and Deep Learning Basics: Why Depth

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: مرز تصمیم در DNN Deep Neural Networks and Deep Learning Basics: Decision Boundary in DNN

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: اصطلاح تعصب Deep Neural Networks and Deep Learning Basics: Bias Term

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: تابع فعال سازی Deep Neural Networks and Deep Learning Basics: The Activation Function

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: پارامترهای آموزشی DNN Deep Neural Networks and Deep Learning Basics: DNN Training Parameters

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: نزول گرادیان Deep Neural Networks and Deep Learning Basics: Gradient Descent

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: انتشار پس زمینه Deep Neural Networks and Deep Learning Basics: Backpropagation

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: آموزش انیمیشن DNN Deep Neural Networks and Deep Learning Basics: Training DNN Animation

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: مقدار اولیه وزن Deep Neural Networks and Deep Learning Basics: Weight Initialization

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: تصادفی دسته ای کوچک Deep Neural Networks and Deep Learning Basics: Batch Minibatch Stochastic

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: عادی سازی دسته ای Deep Neural Networks and Deep Learning Basics: Batch Normalization

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: Rprop Momentum Deep Neural Networks and Deep Learning Basics: Rprop Momentum

  • شبکه های عصبی عمیق و مبانی یادگیری عمیق: انیمیشن همگرایی Deep Neural Networks and Deep Learning Basics: convergence Animation

  • شبکه‌های عصبی عمیق و اصول یادگیری عمیق: فراپارامترهای توقف زودهنگام را کنار بگذارید Deep Neural Networks and Deep Learning Basics: Drop Out Early Stopping Hyperparameters

  • Python for Data Science: Python Packages for Data Science Python for Data Science: Python Packages for Data Science

  • Python for Data Science: NumPy Pandas and Matplotlib (قسمت 1) Python for Data Science: NumPy Pandas and Matplotlib (Part 1)

  • Python for Data Science: NumPy Pandas and Matplotlib (قسمت 2) Python for Data Science: NumPy Pandas and Matplotlib (Part 2)

  • Python for Data Science: NumPy Pandas and Matplotlib (بخش 3) Python for Data Science: NumPy Pandas and Matplotlib (Part 3)

  • Python for Data Science: NumPy Pandas and Matplotlib (قسمت 4) Python for Data Science: NumPy Pandas and Matplotlib (Part 4)

  • Python for Data Science: NumPy Pandas and Matplotlib (قسمت 5) Python for Data Science: NumPy Pandas and Matplotlib (Part 5)

  • Python for Data Science: NumPy Pandas and Matplotlib (قسمت 6) Python for Data Science: NumPy Pandas and Matplotlib (Part 6)

  • پایتون برای علم داده: پیش پردازش مجموعه داده Python for Data Science: Dataset Preprocessing

  • Python for Data Science: TensorFlow برای طبقه بندی Python for Data Science: TensorFlow for classification

  • پیاده سازی DNN برای تجزیه و تحلیل COVID 19: تجزیه و تحلیل داده های COVID19 Implementation of DNN for COVID 19 Analysis: COVID19 Data Analysis

  • اجرای DNN برای تجزیه و تحلیل COVID 19: رگرسیون COVID19 با TensorFlow Implementation of DNN for COVID 19 Analysis: COVID19 Regression with TensorFlow

یادگیری عمیق: شبکه های عصبی کانولوشن با پایتون Deep learning: Convolutional Neural Networks with Python

  • مقدمه: چرا CNN Introduction: Why CNN

  • مقدمه: تمرکز دوره Introduction: Focus of the Course

  • پردازش تصویر: تصاویر در مقیاس خاکستری Image Processing: Grayscale Images

  • پردازش تصویر: تصاویر RGB Image Processing: RGB Images

  • پردازش تصویر: خواندن و نمایش تصاویر در پایتون Image Processing: Reading and Showing Images in Python

  • پردازش تصویر: تبدیل تصویر به مقیاس خاکستری در پایتون Image Processing: Converting an Image to Grayscale in Python

  • پردازش تصویر: تشکیل تصویر Image Processing: Image Formation

  • پردازش تصویر: تاری تصویر 1 Image Processing: Image Blurring 1

  • پردازش تصویر: تاری تصویر 2 Image Processing: Image Blurring 2

  • پردازش تصویر: فیلتر عمومی تصویر Image Processing: General Image Filtering

  • پردازش تصویر: پیچیدگی Image Processing: Convolution

  • پردازش تصویر: تشخیص لبه Image Processing: Edge Detection

  • پردازش تصویر: شارپ کردن تصویر Image Processing: Image Sharpening

  • پردازش تصویر: پیاده‌سازی تیز کردن تصویر با تشخیص لبه تاری در پایتون Image Processing: Implementation of Image Blurring Edge Detection Image Sharpening in Python

  • پردازش تصویر: تشخیص شکل پارامتریک Image Processing: Parametric Shape Detection

  • پردازش تصویر: فعالیت پردازش تصویر Image Processing: Image Processing Activity

  • تشخیص اشیا: مقدمه ای بر تشخیص اشیا Object Detection: Introduction to Object Detection

  • تشخیص شی: خط لوله طبقه بندی Object Detection: Classification Pipeline

  • تشخیص شی: پیاده سازی پنجره کشویی Object Detection: Sliding Window Implementation

  • تشخیص شی: تغییر ناپذیری چرخش مقیاس تغییر Object Detection: Shift Scale Rotation Invariance

  • تشخیص اشیاء: تشخیص شخص Object Detection: Person Detection

  • تشخیص شی: ویژگی های HOG Object Detection: HOG Features

  • تشخیص شی: مهندسی دست در مقابل CNN Object Detection: Hand Engineering Versus CNNs

  • Object Detection: فعالیت تشخیص شی Object Detection: Object Detection Activity

  • معماری شبکه عصبی عمیق: کانولوشن بازبینی شده است Deep Neural Network Architecture: Convolution Revisited

  • معماری شبکه عصبی عمیق: اجرای کانولوشن در پایتون بازبینی شده است Deep Neural Network Architecture: Implementing Convolution in Python Revisited

  • معماری شبکه عصبی عمیق: چرا پیچیدگی Deep Neural Network Architecture: Why Convolution

  • معماری شبکه عصبی عمیق: گام‌های پرشده فیلترها Deep Neural Network Architecture: Filters Padding Strides

  • معماری شبکه عصبی عمیق: تانسورهای ادغام Deep Neural Network Architecture: Pooling Tensors

  • معماری شبکه عصبی عمیق: مثال CNN Deep Neural Network Architecture: CNN Example

  • معماری شبکه عصبی عمیق: جزئیات پیچیدگی و ادغام Deep Neural Network Architecture: Convolution and Pooling Details

  • معماری شبکه عصبی عمیق: پیاده سازی های غیربردار Conv2d و Pool2d Deep Neural Network Architecture: Nonvectorized Implementations of Conv2d and Pool2d

  • فعالیت معماری شبکه عصبی عمیق Deep Neural Network Architecture Activity

  • Gradient Descent در CNN: نمونه راه اندازی Gradient Descent in CNNs: Example Setup

  • Gradient Descent در CNN: چرا مشتقات Gradient Descent in CNNs: Why Derivatives

  • Gradient Descent در CNN: قانون زنجیره چیست Gradient Descent in CNNs: What is Chain Rule

  • Gradient Descent در CNN: اعمال قانون زنجیره Gradient Descent in CNNs: Applying Chain Rule

  • Gradient Descent در CNN: Gradients of Convolutional Layer Gradient Descent in CNNs: Gradients of Convolutional Layer

  • Gradient Descent در CNN: گسترش به چندین فیلتر Gradient Descent in CNNs: Extending to Multiple Filters

  • Gradient Descent در CNN: Gradients of MaxPooling Layer Gradient Descent in CNNs: Gradients of MaxPooling Layer

  • Gradient Descent در CNN: گسترش به لایه های چندگانه Gradient Descent in CNNs: Extending to Multiple Layers

  • Gradient Descent در CNN: پیاده سازی در NumPy ForwardPass.mp4. Gradient Descent in CNNs: Implementation in NumPy ForwardPass.mp4.

  • Gradient Descent در CNN: پیاده سازی در NumPy BackwardPass 1 Gradient Descent in CNNs: Implementation in NumPy BackwardPass 1

  • Gradient Descent در CNN: پیاده سازی در NumPy BackwardPass 2 Gradient Descent in CNNs: Implementation in NumPy BackwardPass 2

  • Gradient Descent در CNN: پیاده سازی در NumPy BackwardPass 3 Gradient Descent in CNNs: Implementation in NumPy BackwardPass 3

  • Gradient Descent در CNN: پیاده سازی در NumPy BackwardPass 4 Gradient Descent in CNNs: Implementation in NumPy BackwardPass 4

  • Gradient Descent در CNN: پیاده سازی در NumPy BackwardPass 5 Gradient Descent in CNNs: Implementation in NumPy BackwardPass 5

  • Gradient Descent در CNN: Gradient Descent در فعالیت CNN Gradient Descent in CNNs: Gradient Descent in CNNs Activity

  • مقدمه ای بر TensorFlow: مقدمه Introduction to TensorFlow: Introduction

  • مقدمه ای بر TensorFlow: طرح مثال FashionMNIST شبکه عصبی Introduction to TensorFlow: FashionMNIST Example Plan Neural Network

  • مقدمه ای بر TensorFlow: FashionMNIST مثال CNN Introduction to TensorFlow: FashionMNIST Example CNN

  • مقدمه ای بر TensorFlow: مقدمه ای بر فعالیت TensorFlow Introduction to TensorFlow: Introduction to TensorFlow Activity

  • CNN های کلاسیک: LeNet Classical CNNs: LeNet

  • CNN های کلاسیک: AlexNet Classical CNNs: AlexNet

  • CNN های کلاسیک: VGG Classical CNNs: VGG

  • CNN های کلاسیک: InceptionNet Classical CNNs: InceptionNet

  • CNN های کلاسیک: گوگل نت Classical CNNs: Google Net

  • CNN های کلاسیک: Resnet Classical CNNs: Resnet

  • CNN های کلاسیک: فعالیت CNN های کلاسیک Classical CNNs: Classical CNNs Activity

  • آموزش انتقالی: یادگیری انتقالی چیست Transfer Learning: What is Transfer learning

  • آموزش انتقالی: چرا آموزش انتقالی Transfer Learning: Why Transfer Learning

  • آموزش انتقال: چالش ImageNet Transfer Learning: ImageNet Challenge

  • آموزش انتقال: نکات عملی Transfer Learning: Practical Tips

  • آموزش انتقال: پروژه در TensorFlow Transfer Learning: Project in TensorFlow

  • آموزش انتقال: فعالیت یادگیری انتقالی Transfer Learning: Transfer Learning Activity

  • Yolo: طبقه بندی تصویر بازبینی شد Yolo: Image Classification Revisited

  • Yolo: محلی سازی شی پنجره کشویی Yolo: Sliding Window Object Localization

  • Yolo: اجرای کارآمد پنجره کشویی Yolo: Sliding Window Efficient Implementation

  • Yolo: Yolo مقدمه Yolo: Yolo Introduction

  • Yolo: Yolo Training Data Generation Yolo: Yolo Training Data Generation

  • Yolo: Yolo Anchor Boxes Yolo: Yolo Anchor Boxes

  • Yolo: الگوریتم یولو Yolo: Yolo Algorithm

  • Yolo: Yolo Non-Maxima Suppression Yolo: Yolo Non-Maxima Suppression

  • یولو: RCNN Yolo: RCNN

  • Yolo: Yolo Activity Yolo: Yolo Activity

  • تأیید چهره: راه‌اندازی مشکل Face Verification: Problem Setup

  • تأیید چهره: اجرای پروژه Face Verification: Project Implementation

  • تأیید چهره: فعالیت تأیید چهره Face Verification: Face Verification Activity

  • انتقال سبک عصبی: راه اندازی مشکل Neural Style Transfer: Problem Setup

  • انتقال سبک عصبی: پیاده سازی TensorFlow Hub Neural Style Transfer: Implementation TensorFlow Hub

یادگیری عمیق: شبکه های عصبی مکرر با پایتون Deep learning: Recurrent Neural Networks with Python

  • معرفی Introduction

  • کاربردهای RNN (انگیزه): تشخیص فعالیت انسانی Applications of RNN (Motivation): Human Activity Recognition

  • کاربردهای RNN (انگیزه): شرح تصویر Applications of RNN (Motivation): Image Captioning

  • کاربردهای RNN (انگیزه): ترجمه ماشینی Applications of RNN (Motivation): Machine Translation

  • کاربردهای RNN (انگیزه): تشخیص گفتار Applications of RNN (Motivation): Speech Recognition

  • کاربردهای RNN (انگیزه): پیش بینی قیمت سهام Applications of RNN (Motivation): Stock Price Predictions

  • کاربردهای RNN (انگیزه): چه زمانی باید RNN را مدل کرد Applications of RNN (Motivation): When to Model RNN

  • کاربردهای RNN (انگیزه): فعالیت Applications of RNN (Motivation): Activity

  • معماری RNN: مقدمه ای بر ماژول RNN Architecture: Introduction to Module

  • معماری RNN: مدل حافظه با طول ثابت RNN Architecture: Fixed Length Memory Model

  • معماری RNN: تمرین مدل حافظه با طول ثابت RNN Architecture: Fixed Length Memory Model Exercise

  • RNN Architecture: Fixed Length Memory Model Exercise Solution Part 01 RNN Architecture: Fixed Length Memory Model Exercise Solution Part 01

  • RNN Architecture: Fixed Length Memory Model Exercise Solution Part 02 RNN Architecture: Fixed Length Memory Model Exercise Solution Part 02

  • معماری RNN: معماری حافظه بی نهایت RNN Architecture: Infinite Memory Architecture

  • RNN Architecture: Infinite Memory Architecture Exercise RNN Architecture: Infinite Memory Architecture Exercise

  • RNN Architecture: Infinite Memory Architecture Solution RNN Architecture: Infinite Memory Architecture Solution

  • معماری RNN: اشتراک وزن RNN Architecture: Weight Sharing

  • معماری RNN: نمادها RNN Architecture: Notations

  • معماری RNN: مدل ManyToMany RNN Architecture: ManyToMany Model

  • RNN Architecture: ManyToMany Model Exercise 01 RNN Architecture: ManyToMany Model Exercise 01

  • معماری RNN: راه حل مدل ManyToMany 01 RNN Architecture: ManyToMany Model Solution 01

  • RNN Architecture: ManyToMany Model Exercise 02 RNN Architecture: ManyToMany Model Exercise 02

  • معماری RNN: راه حل مدل ManyToMany 02 RNN Architecture: ManyToMany Model Solution 02

  • معماری RNN: مدل ManyToOne RNN Architecture: ManyToOne Model

  • معماری RNN: تمرین مدل ManyToOne RNN Architecture: ManyToOne Model Exercise

  • معماری RNN: راه حل مدل ManyToOne RNN Architecture: ManyToOne Model Solution

  • معماری RNN: مدل OneToMany RNN Architecture: OneToMany Model

  • معماری RNN: تمرین مدل OneToMany RNN Architecture: OneToMany Model Exercise

  • معماری RNN: راه حل مدل OneToMany RNN Architecture: OneToMany Model Solution

  • معماری RNN: فعالیت چند به یک RNN Architecture: Activity Many to One

  • RNN Architecture: Activity Many to One Exercis RNN Architecture: Activity Many to One Exercise

  • RNN Architecture: Activity Many to One Solution RNN Architecture: Activity Many to One Solution

  • معماری RNN: مدل ManyToMany Different Sizes RNN Architecture: ManyToMany Different Sizes Model

  • معماری RNN: فعالیت های بسیاری تا بسیاری از Nmt RNN Architecture: Activity Many to Many Nmt

  • معماری RNN: خلاصه مدل ها RNN Architecture: Models Summary

  • معماری RNN: RNN های عمیق RNN Architecture: Deep RNNs

  • معماری RNN: تمرین RNN های عمیق RNN Architecture: Deep RNNs Exercise

  • معماری RNN: راه حل عمیق RNN RNN Architecture: Deep RNNs Solution

  • Gradient Descent در RNN: مقدمه ای بر ماژول گرادیان نزول Gradient Descent in RNN: Introduction to Gradient Descent Module

  • Gradient Descent در RNN: نمونه راه اندازی Gradient Descent in RNN: Example Setup

  • گرادیان نزول در RNN: معادلات Gradient Descent in RNN: Equations

  • Gradient Descent در RNN: Equations Exercise Gradient Descent in RNN: Equations Exercise

  • گرادیان نزول در RNN: حل معادلات Gradient Descent in RNN: Equations Solution

  • Gradient Descent در RNN: Loss Function Gradient Descent in RNN: Loss Function

  • Gradient Descent در RNN: چرا گرادیان Gradient Descent in RNN: Why Gradients

  • Gradient Descent در RNN: چرا گرادیان ها تمرین می کنند Gradient Descent in RNN: Why Gradients Exercise

  • Gradient Descent در RNN: چرا راه حل گرادیان Gradient Descent in RNN: Why Gradients Solution

  • Gradient Descent در RNN: قانون زنجیره ای Gradient Descent in RNN: Chain Rule

  • Gradient Descent در RNN: قانون زنجیره ای در عمل Gradient Descent in RNN: Chain Rule in Action

  • Gradient Descent در RNN: Back Propagation Through Time Gradient Descent in RNN: Backpropagation Through Time

  • Gradient Descent در RNN: فعالیت Gradient Descent in RNN: Activity

  • پیاده سازی RNN: تمایز خودکار RNN Implementation: Automatic Differentiation

  • پیاده سازی RNN: تمایز خودکار PyTorch RNN Implementation: Automatic Differentiation PyTorch

  • پیاده‌سازی RNN: مدل‌سازی زبان، فهرست واژگان پیش‌بینی کلمه بعدی RNN Implementation: Language Modelling Next Word Prediction Vocabulary Index

  • پیاده‌سازی RNN: مدل‌سازی زبان جاسازی‌های فهرست واژه‌های بعدی پیش‌بینی کلمه RNN Implementation: Language Modelling Next Word Prediction Vocabulary Index Embeddings

  • پیاده سازی RNN: مدل سازی زبان بعدی پیش بینی کلمه معماری RNN RNN Implementation: Language Modelling Next Word Prediction RNN Architecture

  • پیاده سازی RNN: مدل سازی زبان بعدی پیش بینی کلمه پایتون 1 RNN Implementation: Language Modelling Next Word Prediction Python 1

  • پیاده سازی RNN: مدل سازی زبان بعدی پیش بینی کلمه پایتون 2 RNN Implementation: Language Modelling Next Word Prediction Python 2

  • پیاده سازی RNN: مدل سازی زبان بعدی پیش بینی کلمه پایتون 3 RNN Implementation: Language Modelling Next Word Prediction Python 3

  • پیاده سازی RNN: مدل سازی زبان بعدی پیش بینی کلمه پایتون 4 RNN Implementation: Language Modelling Next Word Prediction Python 4

  • پیاده سازی RNN: مدل سازی زبان بعدی پیش بینی کلمه پایتون 5 RNN Implementation: Language Modelling Next Word Prediction Python 5

  • پیاده سازی RNN: مدل سازی زبان بعدی پیش بینی کلمه پایتون 6 RNN Implementation: Language Modelling Next Word Prediction Python 6

  • طبقه بندی احساسات با استفاده از RNN: پیاده سازی واژگان Sentiment Classification using RNN: Vocabulary Implementation

  • طبقه بندی احساسات با استفاده از RNN: کمک کنندگان پیاده سازی واژگان Sentiment Classification using RNN: Vocabulary Implementation Helpers

  • طبقه بندی احساسات با استفاده از RNN: پیاده سازی واژگان از فایل Sentiment Classification using RNN: Vocabulary Implementation from File

  • طبقه بندی احساسات با استفاده از RNN: Vectorizer Sentiment Classification using RNN: Vectorizer

  • طبقه بندی احساسات با استفاده از RNN: راه اندازی RNN 1 Sentiment Classification using RNN: RNN Setup 1

  • طبقه بندی احساسات با استفاده از RNN: راه اندازی RNN 2 Sentiment Classification using RNN: RNN Setup 2

  • طبقه بندی احساسات با استفاده از RNN: بعد چه می شود Sentiment Classification using RNN: What Next

  • ناپدید شدن گرادیان در RNN: مقدمه ای بر ماژول RNN های بهتر Vanishing Gradients in RNN: Introduction to Better RNNs Module

  • ناپدید شدن گرادیان در RNN: مقدمه ناپدید شدن گرادیان در RNN Vanishing Gradients in RNN: Introduction Vanishing Gradients in RNN

  • ناپدید شدن گرادیان در RNN: GRU Vanishing Gradients in RNN: GRU

  • ناپدید شدن گرادیان در RNN: GRU اختیاری Vanishing Gradients in RNN: GRU Optional

  • ناپدید شدن گرادیان در RNN: LSTM Vanishing Gradients in RNN: LSTM

  • ناپدید شدن گرادیان در RNN: LSTM اختیاری Vanishing Gradients in RNN: LSTM Optional

  • ناپدید شدن گرادیان در RNN: دو جهته RNN Vanishing Gradients in RNN: Bidirectional RNN

  • ناپدید شدن گرادیان در RNN: مدل توجه Vanishing Gradients in RNN: Attention Model

  • ناپدید شدن گرادیان در RNN: مدل توجه اختیاری Vanishing Gradients in RNN: Attention Model Optional

  • TensorFlow: مقدمه ای بر TensorFlow TensorFlow: Introduction to TensorFlow

  • TensorFlow: نمونه طبقه بندی متن TensorFlow با استفاده از RNN TensorFlow: TensorFlow Text Classification Example using RNN

  • پروژه I_ نویسنده کتاب: مقدمه Project I_ Book Writer: Introduction

  • Project I_ Book Writer: Data Mapping Project I_ Book Writer: Data Mapping

  • Project I_ نویسنده کتاب: Modeling RNN Architecture Project I_ Book Writer: Modelling RNN Architecture

  • پروژه I_ نویسنده کتاب: مدل سازی مدل RNN در TensorFlow Project I_ Book Writer: Modelling RNN Model in TensorFlow

  • Project I_ نویسنده کتاب: Modeling RNN Model Training Project I_ Book Writer: Modelling RNN Model Training

  • Project I_ نویسنده کتاب: Modeling RNN Model Text Generation Project I_ Book Writer: Modelling RNN Model Text Generation

  • پروژه اول_ نویسنده کتاب: فعالیت Project I_ Book Writer: Activity

  • پروژه II_ پیش بینی قیمت سهام: بیان مشکل Project II_ Stock Price Prediction: Problem Statement

  • پروژه II_ پیش بینی قیمت سهام: مجموعه داده Project II_ Stock Price Prediction: Dataset

  • پروژه II_ پیش بینی قیمت سهام: آماده سازی داده ها Project II_ Stock Price Prediction: Data Preparation

  • پروژه II_ پیش بینی قیمت سهام: آموزش و ارزیابی مدل RNN Project II_ Stock Price Prediction: RNN Model Training and Evaluation

  • پروژه II_ پیش بینی قیمت سهام: فعالیت Project II_ Stock Price Prediction: Activity

  • مطالب و منابع بیشتر: مطالب و منابع بیشتر Further Readings and Resources: Further Readings and Resources

نمایش نظرات

نظری ارسال نشده است.

آموزش علم داده و یادگیری ماشین (تئوری و پروژه ها) A تا Z [ویدئو]
خرید اشتراک و دانلود خرید تکی و دانلود | 880,000 تومان (13 روز مهلت دانلود) در صورت خرید اشتراک، این آموزش بدلیل حجم بالا معادل 10 دوره است و 10 دوره از اشتراک شما کم می شود. زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
107 h 47 m
710
Packtpub packtpub-small
09 آذر 1400 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
3
4.7 از 5
ندارد
دارد
دارد
AI Sciences

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

AI Sciences AI Sciences

کارشناسان هوش مصنوعی و دانشمندان داده | رتبه ۴+ | 168+ کشور

Packtpub یک ناشر دیجیتالی کتاب‌ها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرم‌افزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتاب‌ها، ویدیوها و دوره‌های آموزشی می‌پردازد که به توسعه‌دهندگان و متخصصان فناوری اطلاعات کمک می‌کند تا مهارت‌های خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامه‌نویسی، توسعه وب، داده‌کاوی، امنیت سایبری و هوش مصنوعی را پوشش می‌دهد. محتوای این منابع به صورت کاربردی و به‌روز ارائه می‌شود تا کاربران بتوانند دانش و توانایی‌های لازم برای موفقیت در پروژه‌های عملی و حرفه‌ای خود را کسب کنند.