دوره کامل یادگیری ماشین با پایتون [ویدئو]

سرفصل ها و درس ها

معرفی Introduction

• دوره شامل چه مواردی است؟ What Does the Course Cover?

شروع کار با آناکوندا Getting Started with Anaconda

• [سیستم‌عامل ویندوز] بارگیری و نصب Anaconda [Windows OS] Downloading & Installing Anaconda

• [سیستم‌عامل ویندوز] مدیریت محیط [Windows OS] Managing Environment

• پیمایش در رابط نوت بوک Spyder و Jupyter Navigating the Spyder & Jupyter Notebook Interface

• دانلود مجموعه داده های IRIS Downloading the IRIS Datasets

• کاوش و تجزیه و تحلیل داده ها Data Exploration and Analysis

• ارائه داده های شما Presenting Your Data

پسرفت Regression

• معرفی Introduction

• دسته های یادگیری ماشینی Categories of Machine Learning

• کار با Scikit-Learn Working with Scikit-Learn

• داده های مسکن بوستون - EDA Boston Housing Data - EDA

• تجزیه و تحلیل همبستگی و انتخاب ویژگی Correlation Analysis and Feature Selection

• مدل‌سازی رگرسیون خطی ساده با داده‌های مسکن بوستون Simple Linear Regression Modelling with Boston Housing Data

• رگرسیون قوی Robust Regression

• ارزیابی عملکرد مدل Evaluate Model Performance

• رگرسیون چندگانه با statsmodel Multiple Regression with statsmodel

• رگرسیون چندگانه و اهمیت ویژگی Multiple Regression and Feature Importance

• رگرسیون حداقل مربعات معمولی و نزول گرادیان Ordinary Least Square Regression and Gradient Descent

• روش منظم برای رگرسیون Regularised Method for Regression

• رگرسیون چند جمله ای Polynomial Regression

• برخورد با روابط غیر خطی Dealing with Non-linear relationships

• اهمیت ویژگی بازبینی شد Feature Importance Revisited

• پیش پردازش داده 1 Data Pre-Processing 1

• پیش پردازش داده ها 2 Data Pre-Processing 2

• سوگیری واریانس Trade Off - Validation Curve Variance Bias Trade Off - Validation Curve

• مبادله سوگیری واریانس - منحنی یادگیری Variance Bias Trade Off - Learning Curve

• اعتبار سنجی متقابل Cross Validation

طبقه بندی Classification

• معرفی Introduction

• رگرسیون لجستیک 1 Logistic Regression 1

• رگرسیون لجستیک 2 Logistic Regression 2

• پروژه MNIST 1 - مقدمه MNIST Project 1 - Introduction

• پروژه MNIST 2 - طبقه بندی کننده های SGD MNIST Project 2 - SGDClassifiers

• پروژه MNIST 3 - معیارهای عملکرد MNIST Project 3 - Performance Measures

• پروژه MNIST 4 - ماتریس سردرگمی، دقت، یادآوری و امتیاز F1 MNIST Project 4 - Confusion Matrix, Precision, Recall and F1 Score

• پروژه MNIST 5 - معاملات دقیق و یادآوری MNIST Project 5 - Precision and Recall Tradeoff

• پروژه MNIST 6 - منحنی ROC MNIST Project 6 - The ROC Curve

ماشین بردار پشتیبانی (SVM) Support Vector Machine (SVM)

• معرفی Introduction

• مفاهیم ماشین بردار پشتیبانی (SVM). Support Vector Machine (SVM) Concepts

• طبقه بندی خطی SVM Linear SVM Classification

• هسته چند جمله ای Polynomial Kernel

• تابع پایه شعاعی گاوسی Gaussian Radial Basis Function

• رگرسیون برداری پشتیبانی Support Vector Regression

• مزایا و معایب SVM Advantages and Disadvantages of SVM

درخت Tree

• معرفی Introduction

• درخت تصمیم چیست؟ What is Decision Tree

• آموزش درخت تصمیم Training a Decision Tree

• تجسم درختان تصمیم Visualising a Decision Trees

• الگوریتم یادگیری درخت تصمیم Decision Tree Learning Algorithm

• رگرسیون درخت تصمیم Decision Tree Regression

• Overfitting و Grid Search Overfitting and Grid Search

• کجا از اینجا Where to From Here

• پروژه منابع انسانی - بارگیری و پیش پردازش داده ها Project HR - Loading and preprocesing data

• پروژه منابع انسانی - مدلسازی Project HR - Modelling

مجموعه یادگیری ماشین Ensemble Machine Learning

• معرفی Introduction

• مقدمه روشهای یادگیری گروه Ensemble Learning Methods Introduction

• بسته بندی قسمت 1 Bagging Part 1

• بسته بندی قسمت 2 Bagging Part 2

• جنگل های تصادفی Random Forests

• درختان اضافی Extra-Trees

• AdaBoost AdaBoost

• دستگاه تقویت گرادیان Gradient Boosting Machine

• XGBoost XGBoost

• پروژه منابع انسانی - تجزیه و تحلیل منابع انسانی Project HR - Human Resources Analytics

• گروه گروه ها قسمت 1 Ensemble of ensembles Part 1

• گروه گروه ها قسمت 2 Ensemble of ensembles Part 2

k-نزدیکترین همسایگان (kNN) k-Nearest Neighbours (kNN)

• kNN مقدمه kNN Introduction

• مفاهیم kNN kNN Concepts

• kNN و Iris Dataset Demo kNN and Iris Dataset Demo

• متریک فاصله Distance Metric

• پروژه تشخیص سرطان قسمت 1 Project Cancer Detection Part 1

• پروژه تشخیص سرطان قسمت 2 Project Cancer Detection Part 2

کاهش ابعاد Dimensionality Reduction

• معرفی Introduction

• مفهوم کاهش ابعاد Dimensionality Reduction Concept

• مقدمه PCA PCA Introduction

• نسخه ی نمایشی کاهش ابعاد Dimensionality Reduction Demo

• پروژه شراب 1: کاهش ابعاد با PCA Project Wine 1: Dimensionality Reduction with PCA

• Project Wine 2: انتخاب تعداد اجزاء Project Wine 2: Choosing the Number of Components

• هسته PCA Kernel PCA

• نسخه آزمایشی هسته PCA Kernel PCA Demo

• LDA و مقایسه بین LDA و PCA LDA & Comparison between LDA and PCA

یادگیری بدون نظارت: خوشه بندی Unsupervised Learning: Clustering

• معرفی Introduction

• مفاهیم خوشه بندی Clustering Concepts

• MLextend MLextend

• خوشه بندی سلسله مراتبی تجمعی وارد Ward’s Agglomerative Hierarchical Clustering

• کوتاه کردن دندروگرام Truncating Dendrogram

• k-به معنی خوشه بندی k-Means Clustering

• روش آرنج Elbow Method

• تجزیه و تحلیل سیلوئت Silhouette Analysis

• میانگین شیفت Mean Shift