آموزش پیشرفته یادگیری ماشین، کلان‌داده و یادگیری عمیق - آخرین آپدیت

تکنیک‌های پیشرفته داده‌کاوی و یادگیری ماشین More Data Mining and Machine Learning Techniques

• K-Nearest Neighbors: مفاهیم K-Nearest-Neighbors: Concepts

• [پروژه] استفاده از KNN برای پیش‌بینی امتیاز فیلم [Activity] Using KNN to Predict a Rating for a Movie

• کاهش ابعاد؛ تحلیل مؤلفه‌های اصلی (PCA) Dimensionality Reduction; Principal Component Analysis (PCA)

• [پروژه] مثال PCA با مجموعه‌داده Iris [Activity] PCA Example with the Iris Dataset

• بررسی کلی انبار داده: ETL و ELT Data Warehousing Overview: ETL and ELT

• یادگیری تقویت‌شده Reinforcement Learning

• [پروژه] یادگیری تقویت‌شده و Q-Learning با Gym [Activity] Reinforcement Learning and Q-Learning with Gym

• درک ماتریس درهم‌ریختگی (Confusion Matrix) Understanding a Confusion Matrix

• اندازه‌گیری طبقه‌بندها (Precision, Recall, F1, ROC, AUC) Measuring Classifiers (Precision, Recall, F1, ROC, AUC)

کار با داده‌های دنیای واقعی Dealing with Real-World Data

• تعادل بین بایاس و واریانس (Bias/Variance Tradeoff) Bias/Variance Tradeoff

• [پروژه] اعتبارسنجی متقاطع K-Fold برای جلوگیری از بیش‌برازش [Activity] K-Fold Cross-Validation to Avoid Overfitting

• پاک‌سازی و نرمال‌سازی داده‌ها Data Cleaning and Normalization

• [پروژه] پاک‌سازی داده‌های لاگ وب [Activity] Cleaning Web Log Data

• نرمال‌سازی داده‌های عددی Normalizing Numerical Data

• [پروژه] شناسایی داده‌های پرت (Outliers) [Activity] Detecting Outliers

• مهندسی ویژگی و نفرین ابعاد Feature Engineering and the Curse of Dimensionality

• تکنیک‌های جایگذاری برای داده‌های گمشده Imputation Techniques for Missing Data

• مدیریت داده‌های نامتوازن: Oversampling, Undersampling و SMOTE Handling Unbalanced Data: Oversampling, Undersampling, and SMOTE

• دسته‌بندی، تبدیل، کدگذاری، مقیاس‌بندی و برهم‌زدن داده‌ها Binning, Transforming, Encoding, Scaling, and Shuffling

آپاچی اسپارک: یادگیری ماشین روی کلان‌داده‌ها Apache Spark: Machine Learning on Big Data

• [پروژه] نصب Spark - بخش اول [Activity] Installing Spark - Part 1

• [پروژه] نصب Spark - بخش دوم [Activity] Installing Spark - Part 2

• مقدمه‌ای بر Spark Spark Introduction

• اسپارک و مجموعه‌داده‌های توزیع‌شده مقاوم (RDD) Spark and the Resilient Distributed Dataset (RDD)

• معرفی MLLib Introducing MLLib

• مقدمه‌ای بر درخت‌های تصمیم در Spark Introduction to Decision Trees in Spark

• [پروژه] خوشه‌بندی K-Means در Spark [Activity] K-Means Clustering in Spark

• مفهوم TF / IDF TF / IDF

• [پروژه] جستجو در ویکی‌پدیا با Spark [Activity] Searching Wikipedia with Spark

• [پروژه] استفاده از Spark DataFrame API برای MLLib [Activity] Using the Spark DataFrame API for MLLib

طراحی آزمایش / یادگیری ماشین در دنیای واقعی Experimental Design / ML in the Real World

• استقرار مدل‌ها در سیستم‌های آنی (Real-Time) Deploying Models to Real-Time Systems

• مفاهیم تست A/B A/B Testing Concepts

• آزمون‌های T و مقادیر P-Value T-Tests and P-Values

• [پروژه] تمرین عملی با آزمون‌های T [Activity] Hands-On with T-Tests

• تعیین مدت زمان اجرای یک آزمایش Determining How Long to Run an Experiment

• نکات و تله‌های تست A/B A/B Test Gotchas

یادگیری عمیق و شبکه‌های عصبی Deep Learning and Neural Networks

• پیش‌نیازهای یادگیری عمیق Deep Learning Prerequisites

• تاریخچه شبکه‌های عصبی مصنوعی The History of Artificial Neural Networks

• [پروژه] یادگیری عمیق در TensorFlow Playground [Activity] Deep Learning in the TensorFlow Playground

• جزئیات یادگیری عمیق Deep Learning Details

• معرفی TensorFlow Introducing TensorFlow

• [پروژه] استفاده از TensorFlow - بخش اول [Activity] Using TensorFlow, Part 1

• [پروژه] استفاده از TensorFlow - بخش دوم [Activity] Using TensorFlow, Part 2

• [پروژه] معرفی Keras [Activity] Introducing Keras

• [پروژه] استفاده از Keras برای پیش‌بینی وابستگی‌های سیاسی [Activity] Using Keras to Predict Political Affiliations

• شبکه‌های عصبی کانولوشنال (CNNs) Convolutional Neural Networks (CNNs)

• [پروژه] استفاده از CNN برای تشخیص دست‌خط [Activity] Using CNNs for Handwriting Recognition

• شبکه‌های عصبی بازگشتی (RNNs) Recurrent Neural Networks (RNNs)

• [پروژه] استفاده از RNN برای تحلیل احساسات [Activity] Using a RNN for Sentiment Analysis

• [پروژه] یادگیری انتقالی (Transfer Learning) [Activity] Transfer Learning

• تنظیم شبکه‌های عصبی: هایپرپارامترهای نرخ یادگیری و اندازه دسته Tuning Neural Networks: Learning Rate and Batch Size Hyperparameters

• منظم‌سازی یادگیری عمیق با Dropout و Early Stopping Deep Learning Regularization with Dropout and Early Stopping

• اخلاقیات در یادگیری عمیق The Ethics of Deep Learning