آموزش تحلیل خوشه‌بندی و یادگیری ماشین بدون نظارت در پایتون - آخرین آپدیت

خوش‌آمدگویی Welcome

• مقدمه Introduction

• سرفصل‌های دوره Course Outline

• پیشنهاد ویژه Special Offer

راه‌اندازی اولیه Getting Set Up

• کدها را از کجا دریافت کنیم Where to get the code

یادگیری بدون نظارت Unsupervised Learning

• یادگیری بدون نظارت برای چه مواردی استفاده می‌شود؟ What is unsupervised learning used for?

• چرا از خوشه‌بندی استفاده کنیم؟ Why Use Clustering?

خوشه‌بندی K-Means K-Means Clustering

• مقدمه‌ای ساده بر خوشه‌بندی K-Means An Easy Introduction to K-Means Clustering

• K-Means سخت: صورت تمرین ۱ Hard K-Means: Exercise Prompt 1

• K-Means سخت: پاسخ تمرین ۱ Hard K-Means: Exercise 1 Solution

• K-Means سخت: صورت تمرین ۲ Hard K-Means: Exercise Prompt 2

• K-Means سخت: پاسخ تمرین ۲ Hard K-Means: Exercise 2 Solution

• K-Means سخت: صورت تمرین ۳ Hard K-Means: Exercise Prompt 3

• K-Means سخت: پاسخ تمرین ۳ Hard K-Means: Exercise 3 Solution

• هدف K-Means سخت: تئوری Hard K-Means Objective: Theory

• هدف K-Means سخت: کدنویسی Hard K-Means Objective: Code

• بررسی بصری الگوریتم خوشه‌بندی K-Means (نسخه قدیمی) Visual Walkthrough of the K-Means Clustering Algorithm (Legacy)

• K-Means نرم Soft K-Means

• تابع هدف K-Means The K-Means Objective Function

• K-Means نرم در کد پایتون Soft K-Means in Python Code

• چگونه سرعت یادگیری خود را تنظیم کنید How to Pace Yourself

• بصری‌سازی هر مرحله از K-Means Visualizing Each Step of K-Means

• مثال‌هایی از موارد شکست K-Means Examples of where K-Means can fail

• معایب خوشه‌بندی K-Means Disadvantages of K-Means Clustering

• چگونه یک خوشه‌بندی را ارزیابی کنیم (Purity, شاخص دیویس-بولدین) How to Evaluate a Clustering (Purity, Davies-Bouldin Index)

• استفاده از K-Means روی داده‌های واقعی: MNIST Using K-Means on Real Data: MNIST

• یک روش برای انتخاب مقدار K One Way to Choose K

• کاربرد K-Means: یافتن خوشه‌های کلمات مرتبط K-Means Application: Finding Clusters of Related Words

• خوشه‌بندی برای NLP و بینایی ماشین: کاربردهای دنیای واقعی Clustering for NLP and Computer Vision: Real-World Applications

• جعبه پیشنهادات Suggestion Box

خوشه‌بندی سلسله‌مراتبی Hierarchical Clustering

• بررسی بصری خوشه‌بندی سلسله‌مراتبی تجمعی Visual Walkthrough of Agglomerative Hierarchical Clustering

• گزینه‌های خوشه‌بندی تجمعی Agglomerative Clustering Options

• استفاده از خوشه‌بندی سلسله‌مراتبی در پایتون و تفسیر دندروگرام Using Hierarchical Clustering in Python and Interpreting the Dendrogram

• کاربرد: تکامل Application: Evolution

• کاربرد: تحلیل توییتر دونالد ترامپ در مقابل هیلاری کلینتون Application: Donald Trump vs. Hillary Clinton Tweets

مدل‌های مخلوط گاوسی (GMMs) Gaussian Mixture Models (GMMs)

• الگوریتم مدل مخلوط گاوسی (GMM) Gaussian Mixture Model (GMM) Algorithm

• نوشتن یک مدل مخلوط گاوسی در کد پایتون Write a Gaussian Mixture Model in Python Code

• چالش‌های عملی در GMM Practical Issues with GMM

• مقایسه بین GMM و K-Means Comparison between GMM and K-Means

• تخمین چگالی هسته (KDE) Kernel Density Estimation

• مقایسه GMM در برابر طبقه‌بندی‌کننده بیز (بخش ۱) GMM vs Bayes Classifier (pt 1)

• مقایسه GMM در برابر طبقه‌بندی‌کننده بیز (بخش ۲) GMM vs Bayes Classifier (pt 2)

• بیشینه‌سازی امید (EM) (بخش ۱) Expectation-Maximization (pt 1)

• بیشینه‌سازی امید (EM) (بخش ۲) Expectation-Maximization (pt 2)

• بیشینه‌سازی امید (EM) (بخش ۳) Expectation-Maximization (pt 3)

راه‌اندازی محیط شما (ضمیمه) Setting Up Your Environment (Appendix)

• بررسی پیش از نصب Pre-Installation Check

• راه‌اندازی محیط آناکوندا Anaconda Environment Setup

• نحوه نصب Numpy, Scipy, Matplotlib, Pandas و Tensorflow How to install Numpy, Scipy, Matplotlib, Pandas, and Tensorflow

کمک‌های اضافی در کدنویسی پایتون برای مبتدیان (ضمیمه) Extra Help With Python Coding for Beginners (Appendix)

• چگونه خودتان کدنویسی کنید (بخش ۱) How to Code Yourself (part 1)

• چگونه خودتان کدنویسی کنید (بخش ۲) How to Code Yourself (part 2)

• اثبات اینکه استفاده از ژوپیتر نوت‌بوک با عدم استفاده از آن یکسان است Proof that using Jupyter Notebook is the same as not using it

• نحوه استفاده از گیت‌هاب و نکات اضافی کدنویسی (اختیاری) How to use Github & Extra Coding Tips (Optional)

استراتژی‌های یادگیری مؤثر برای یادگیری ماشین (ضمیمه) Effective Learning Strategies for Machine Learning (Appendix)

• چگونه در این دوره موفق شوید (نسخه کامل) How to Succeed in this Course (Long Version)

• آیا این دوره برای مبتدیان است یا متخصصان؟ آکادمیک است یا کاربردی؟ سرعت آن زیاد است یا کم؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

• دوره‌ها را به چه ترتیبی بگذرانم؟ (بخش ۱) What order should I take your courses in? (part 1)

• دوره‌ها را به چه ترتیبی بگذرانم؟ (بخش ۲) What order should I take your courses in? (part 2)