آموزش یادگیری ماشینی A-Z™: هوش مصنوعی، پایتون و R + پاداش ChatGPT [2023]

Machine Learning A-Z™: AI, Python & R + ChatGPT Bonus [2023]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ایجاد الگوریتم های یادگیری ماشین در پایتون و R را از دو متخصص علم داده بیاموزید. قالب های کد گنجانده شده است. یادگیری ماشینی استاد در پایتون و آر شهود بسیار خوبی از بسیاری از مدل‌های یادگیری ماشین داشته باشید پیش‌بینی‌های دقیق انجام دهید تجزیه و تحلیل قدرتمند ایجاد کنید مدل‌های یادگیری ماشینی قوی ایجاد کنید ارزش افزوده قوی برای کسب‌وکار خود ایجاد کنید از یادگیری ماشین برای اهداف شخصی استفاده کنید موضوعات خاصی مانند یادگیری تقویتی، NLP و Deep را مدیریت کنید. آموزش تکنیک‌های پیشرفته‌ای مانند کاهش ابعاد را بشناسید که بدانید کدام مدل یادگیری ماشینی را برای هر نوع مسئله انتخاب کنید ارتشی از مدل‌های یادگیری ماشینی قدرتمند بسازید و بدانید که چگونه آنها را برای حل هر مشکلی ترکیب کنید.

به حوزه یادگیری ماشینی علاقه دارید؟ پس این دوره برای شماست!

این دوره توسط یک دانشمند داده و یک متخصص یادگیری ماشین طراحی شده است تا بتوانیم دانش خود را به اشتراک بگذاریم و به شما کمک کنیم تئوری پیچیده، الگوریتم ها و کتابخانه های کدگذاری را به روشی ساده بیاموزید.

بیش از 900000 دانش آموز در سراسر جهان به این دوره اعتماد دارند.

ما شما را قدم به قدم وارد دنیای یادگیری ماشینی خواهیم کرد. با هر آموزش، مهارت‌های جدیدی را توسعه می‌دهید و درک خود را از این زیر شاخه چالش‌برانگیز و در عین حال پرسود علم داده بهبود می‌بخشید.

این دوره را می توان با انجام آموزش های پایتون، یا آموزش های R، یا هر دو تکمیل کرد - Python R. زبان برنامه نویسی مورد نیاز خود را برای حرفه خود انتخاب کنید.

این دوره سرگرم کننده و هیجان انگیز است و در عین حال ما عمیقاً به یادگیری ماشین می پردازیم. ساختار آن به صورت زیر است:

  • بخش 1 - پیش پردازش داده

  • بخش 2 - رگرسیون: رگرسیون خطی ساده، رگرسیون خطی چندگانه، رگرسیون چند جمله‌ای، SVR، رگرسیون درخت تصمیم، رگرسیون جنگل تصادفی

  • قسمت 3 - طبقه بندی: رگرسیون لجستیک، K-NN، SVM، هسته SVM، ساده و بی تکلف، طبقه بندی درخت تصمیم، طبقه بندی جنگل تصادفی

  • بخش 4 - خوشه‌بندی: K-Means، خوشه‌بندی سلسله مراتبی

  • بخش 5 - آموزش قوانین انجمن: Apriori، Eclat

  • قسمت 6 - یادگیری تقویتی: حد بالای اطمینان، نمونه برداری تامپسون

  • قسمت 7 - پردازش زبان طبیعی: مدل و الگوریتم‌های مجموعه کلمات برای NLP

  • بخش 8 - یادگیری عمیق: شبکه های عصبی مصنوعی، شبکه های عصبی کانولوشن

  • بخش 9 - کاهش ابعاد: PCA، LDA، هسته PCA

  • بخش 10 - تقویت انتخاب مدل: اعتبارسنجی متقاطع k-fold، تنظیم پارامتر، جستجوی شبکه، XGBoost

هر بخش در داخل هر بخش مستقل است. بنابراین می توانید کل دوره را از ابتدا تا انتها بگذرانید یا می توانید مستقیماً به هر بخش خاصی بروید و آنچه را که برای حرفه خود در حال حاضر نیاز دارید بیاموزید.

علاوه بر این، این دوره مملو از تمرین‌های عملی است که مبتنی بر مطالعات موردی واقعی است. بنابراین نه تنها تئوری را یاد خواهید گرفت، بلکه تمرینات عملی زیادی برای ساختن مدل های خود خواهید داشت.

و به عنوان یک امتیاز، این دوره شامل هر دو قالب کد پایتون و R است که می توانید آنها را دانلود کرده و در پروژه های خود استفاده کنید.


سرفصل ها و درس ها

به دوره خوش آمدید! در اینجا ما به شما کمک می کنیم تا در بهترین شرایط شروع کنید. Welcome to the course! Here we will help you get started in the best conditions.

  • چالش خوش آمدید! Welcome Challenge!

  • نسخه ی نمایشی یادگیری ماشین - هیجان زده شوید! Machine Learning Demo - Get Excited!

  • همه مجموعه داده ها، کدها و اسلایدها را از اینجا دریافت کنید Get all the Datasets, Codes and Slides here

  • نحوه استفاده از پوشه ML A-Z و Google Colab How to use the ML A-Z folder & Google Colab

  • نصب R and R Studio (مک، لینوکس و ویندوز) Installing R and R Studio (Mac, Linux & Windows)

  • پاداش: از ChatGPT برای تقویت مهارت های ML خود استفاده کنید BONUS: Use ChatGPT to Boost your ML Skills

-------------------- قسمت 1: پیش پردازش داده -------------------- -------------------- Part 1: Data Preprocessing --------------------

  • به قسمت 1 - پیش پردازش داده ها خوش آمدید Welcome to Part 1 - Data Preprocessing

  • فرآیند یادگیری ماشینی The Machine Learning process

  • تقسیم داده ها به یک مجموعه آموزشی و آزمایشی Splitting the data into a Training and Test set

  • مقیاس بندی ویژگی ها Feature Scaling

پیش پردازش داده ها در پایتون Data Preprocessing in Python

  • شروع به کار - مرحله 1 Getting Started - Step 1

  • شروع به کار - مرحله 2 Getting Started - Step 2

  • واردات کتابخانه ها Importing the Libraries

  • وارد کردن مجموعه داده - مرحله 1 Importing the Dataset - Step 1

  • وارد کردن مجموعه داده - مرحله 2 Importing the Dataset - Step 2

  • وارد کردن مجموعه داده - مرحله 3 Importing the Dataset - Step 3

  • برای زبان آموزان پایتون، خلاصه برنامه نویسی شی گرا: کلاس ها و اشیا For Python learners, summary of Object-oriented programming: classes & objects

  • مراقبت از داده های از دست رفته - مرحله 1 Taking care of Missing Data - Step 1

  • مراقبت از داده های از دست رفته - مرحله 2 Taking care of Missing Data - Step 2

  • رمزگذاری داده های طبقه بندی شده - مرحله 1 Encoding Categorical Data - Step 1

  • رمزگذاری داده های طبقه بندی شده - مرحله 2 Encoding Categorical Data - Step 2

  • رمزگذاری داده های طبقه بندی شده - مرحله 3 Encoding Categorical Data - Step 3

  • تقسیم مجموعه داده به مجموعه آموزشی و مجموعه تست - مرحله 1 Splitting the dataset into the Training set and Test set - Step 1

  • تقسیم مجموعه داده به مجموعه آموزشی و مجموعه تست - مرحله 2 Splitting the dataset into the Training set and Test set - Step 2

  • تقسیم مجموعه داده به مجموعه آموزشی و مجموعه تست - مرحله 3 Splitting the dataset into the Training set and Test set - Step 3

  • مقیاس بندی ویژگی - مرحله 1 Feature Scaling - Step 1

  • مقیاس بندی ویژگی - مرحله 2 Feature Scaling - Step 2

  • مقیاس بندی ویژگی - مرحله 3 Feature Scaling - Step 3

  • مقیاس بندی ویژگی - مرحله 4 Feature Scaling - Step 4

پیش پردازش داده در R Data Preprocessing in R

  • شروع شدن Getting Started

  • توضیحات مجموعه داده Dataset Description

  • وارد کردن مجموعه داده Importing the Dataset

  • مراقبت از داده های از دست رفته Taking care of Missing Data

  • رمزگذاری داده های طبقه بندی شده Encoding Categorical Data

  • تقسیم مجموعه داده به مجموعه آموزشی و مجموعه تست - مرحله 1 Splitting the dataset into the Training set and Test set - Step 1

  • تقسیم مجموعه داده به مجموعه آموزشی و مجموعه تست - مرحله 2 Splitting the dataset into the Training set and Test set - Step 2

  • مقیاس بندی ویژگی - مرحله 1 Feature Scaling - Step 1

  • مقیاس بندی ویژگی - مرحله 2 Feature Scaling - Step 2

  • الگوی پیش پردازش داده ها Data Preprocessing Template

  • آزمون پیش پردازش داده ها Data Preprocessing Quiz

-------------------- قسمت 2: رگرسیون -------------------- -------------------- Part 2: Regression --------------------

  • به قسمت 2 - رگرسیون خوش آمدید Welcome to Part 2 - Regression

رگرسیون خطی ساده Simple Linear Regression

  • شهود رگرسیون خطی ساده Simple Linear Regression Intuition

  • حداقل مربعات معمولی Ordinary Least Squares

  • رگرسیون خطی ساده در پایتون - مرحله 1a Simple Linear Regression in Python - Step 1a

  • رگرسیون خطی ساده در پایتون - مرحله 1b Simple Linear Regression in Python - Step 1b

  • رگرسیون خطی ساده در پایتون - مرحله 2a Simple Linear Regression in Python - Step 2a

  • رگرسیون خطی ساده در پایتون - مرحله 2b Simple Linear Regression in Python - Step 2b

  • رگرسیون خطی ساده در پایتون - مرحله 3 Simple Linear Regression in Python - Step 3

  • رگرسیون خطی ساده در پایتون - مرحله 4a Simple Linear Regression in Python - Step 4a

  • رگرسیون خطی ساده در پایتون - مرحله 4b Simple Linear Regression in Python - Step 4b

  • رگرسیون خطی ساده در پایتون - سخنرانی اضافی Simple Linear Regression in Python - Additional Lecture

  • رگرسیون خطی ساده در R - مرحله 1 Simple Linear Regression in R - Step 1

  • رگرسیون خطی ساده در R - مرحله 2 Simple Linear Regression in R - Step 2

  • رگرسیون خطی ساده در R - مرحله 3 Simple Linear Regression in R - Step 3

  • رگرسیون خطی ساده در R - مرحله 4a Simple Linear Regression in R - Step 4a

  • رگرسیون خطی ساده در R - مرحله 4b Simple Linear Regression in R - Step 4b

  • آزمون رگرسیون خطی ساده Simple Linear Regression Quiz

رگرسیون خطی چندگانه Multiple Linear Regression

  • مجموعه داده + شرح مشکل تجاری Dataset + Business Problem Description

  • شهود رگرسیون خطی چندگانه Multiple Linear Regression Intuition

  • مفروضات رگرسیون خطی Assumptions of Linear Regression

  • شهود رگرسیون خطی چندگانه - مرحله 3 Multiple Linear Regression Intuition - Step 3

  • شهود رگرسیون خطی چندگانه - مرحله 4 Multiple Linear Regression Intuition - Step 4

  • درک P-Value Understanding the P-Value

  • شهود رگرسیون خطی چندگانه - مرحله 5 Multiple Linear Regression Intuition - Step 5

  • رگرسیون خطی چندگانه در پایتون - مرحله 1a Multiple Linear Regression in Python - Step 1a

  • رگرسیون خطی چندگانه در پایتون - مرحله 1b Multiple Linear Regression in Python - Step 1b

  • رگرسیون خطی چندگانه در پایتون - مرحله 2a Multiple Linear Regression in Python - Step 2a

  • رگرسیون خطی چندگانه در پایتون - مرحله 2b Multiple Linear Regression in Python - Step 2b

  • رگرسیون خطی چندگانه در پایتون - مرحله 3a Multiple Linear Regression in Python - Step 3a

  • رگرسیون خطی چندگانه در پایتون - مرحله 3b Multiple Linear Regression in Python - Step 3b

  • رگرسیون خطی چندگانه در پایتون - مرحله 4a Multiple Linear Regression in Python - Step 4a

  • رگرسیون خطی چندگانه در پایتون - مرحله 4b Multiple Linear Regression in Python - Step 4b

  • رگرسیون خطی چندگانه در پایتون - حذف به عقب Multiple Linear Regression in Python - Backward Elimination

  • رگرسیون خطی چندگانه در پایتون - محتوای اضافی Multiple Linear Regression in Python - EXTRA CONTENT

  • رگرسیون خطی چندگانه در R - مرحله 1a Multiple Linear Regression in R - Step 1a

  • رگرسیون خطی چندگانه در R - مرحله 1b Multiple Linear Regression in R - Step 1b

  • رگرسیون خطی چندگانه در R - مرحله 2a Multiple Linear Regression in R - Step 2a

  • رگرسیون خطی چندگانه در R - مرحله 2b Multiple Linear Regression in R - Step 2b

  • رگرسیون خطی چندگانه در R - مرحله 3 Multiple Linear Regression in R - Step 3

  • رگرسیون خطی چندگانه در R - حذف به عقب - تکلیف خانه! Multiple Linear Regression in R - Backward Elimination - HOMEWORK !

  • رگرسیون خطی چندگانه در R - حذف به عقب - حل تکلیف Multiple Linear Regression in R - Backward Elimination - Homework Solution

  • رگرسیون خطی چندگانه در R - حذف خودکار به عقب Multiple Linear Regression in R - Automatic Backward Elimination

  • آزمون رگرسیون خطی چندگانه Multiple Linear Regression Quiz

رگرسیون چند جمله ای Polynomial Regression

  • شهود رگرسیون چند جمله ای Polynomial Regression Intuition

  • رگرسیون چند جمله ای در پایتون - مرحله 1a Polynomial Regression in Python - Step 1a

  • رگرسیون چند جمله ای در پایتون - مرحله 1b Polynomial Regression in Python - Step 1b

  • رگرسیون چند جمله ای در پایتون - مرحله 2a Polynomial Regression in Python - Step 2a

  • رگرسیون چند جمله ای در پایتون - مرحله 2b Polynomial Regression in Python - Step 2b

  • رگرسیون چند جمله ای در پایتون - مرحله 3a Polynomial Regression in Python - Step 3a

  • رگرسیون چند جمله ای در پایتون - مرحله 3b Polynomial Regression in Python - Step 3b

  • رگرسیون چند جمله ای در پایتون - مرحله 4a Polynomial Regression in Python - Step 4a

  • رگرسیون چند جمله ای در پایتون - مرحله 4b Polynomial Regression in Python - Step 4b

  • رگرسیون چند جمله ای در R - مرحله 1a Polynomial Regression in R - Step 1a

  • رگرسیون چند جمله ای در R - مرحله 1b Polynomial Regression in R - Step 1b

  • رگرسیون چند جمله ای در R - مرحله 2a Polynomial Regression in R - Step 2a

  • رگرسیون چند جمله ای در R - مرحله 2b Polynomial Regression in R - Step 2b

  • رگرسیون چند جمله ای در R - مرحله 3a Polynomial Regression in R - Step 3a

  • رگرسیون چند جمله ای در R - مرحله 3b Polynomial Regression in R - Step 3b

  • رگرسیون چند جمله ای در R - مرحله 3c Polynomial Regression in R - Step 3c

  • رگرسیون چند جمله ای در R - مرحله 4a Polynomial Regression in R - Step 4a

  • رگرسیون چند جمله ای در R - مرحله 4b Polynomial Regression in R - Step 4b

  • الگوی رگرسیون R - مرحله 1 R Regression Template - Step 1

  • الگوی رگرسیون R - مرحله 2 R Regression Template - Step 2

  • آزمون رگرسیون چند جمله ای Polynomial Regression Quiz

رگرسیون برداری پشتیبانی (SVR) Support Vector Regression (SVR)

  • SVR Intuition (به روز شده!) SVR Intuition (Updated!)

  • توجه به SVR غیر خطی Heads-up on non-linear SVR

  • SVR در پایتون - مرحله 1a SVR in Python - Step 1a

  • SVR در پایتون - مرحله 1b SVR in Python - Step 1b

  • SVR در پایتون - مرحله 2a SVR in Python - Step 2a

  • SVR در پایتون - مرحله 2b SVR in Python - Step 2b

  • SVR در پایتون - مرحله 2c SVR in Python - Step 2c

  • SVR در پایتون - مرحله 3 SVR in Python - Step 3

  • SVR در پایتون - مرحله 4 SVR in Python - Step 4

  • SVR در پایتون - مرحله 5a SVR in Python - Step 5a

  • SVR در پایتون - مرحله 5b SVR in Python - Step 5b

  • SVR در R - مرحله 1 SVR in R - Step 1

  • SVR در R - مرحله 2 SVR in R - Step 2

  • آزمون SVR SVR Quiz

رگرسیون درخت تصمیم Decision Tree Regression

  • شهود رگرسیون درخت تصمیم Decision Tree Regression Intuition

  • رگرسیون درخت تصمیم در پایتون - مرحله 1a Decision Tree Regression in Python - Step 1a

  • رگرسیون درخت تصمیم در پایتون - مرحله 1b Decision Tree Regression in Python - Step 1b

  • رگرسیون درخت تصمیم در پایتون - مرحله 2 Decision Tree Regression in Python - Step 2

  • رگرسیون درخت تصمیم در پایتون - مرحله 3 Decision Tree Regression in Python - Step 3

  • رگرسیون درخت تصمیم در پایتون - مرحله 4 Decision Tree Regression in Python - Step 4

  • رگرسیون درخت تصمیم در R - مرحله 1 Decision Tree Regression in R - Step 1

  • رگرسیون درخت تصمیم در R - مرحله 2 Decision Tree Regression in R - Step 2

  • رگرسیون درخت تصمیم در R - مرحله 3 Decision Tree Regression in R - Step 3

  • رگرسیون درخت تصمیم در R - مرحله 4 Decision Tree Regression in R - Step 4

  • مسابقه رگرسیون درخت تصمیم Decision Tree Regression Quiz

رگرسیون تصادفی جنگل Random Forest Regression

  • شهود رگرسیون تصادفی جنگل Random Forest Regression Intuition

  • رگرسیون تصادفی جنگل در پایتون - مرحله 1 Random Forest Regression in Python - Step 1

  • رگرسیون تصادفی جنگل در پایتون - مرحله 2 Random Forest Regression in Python - Step 2

  • رگرسیون جنگل تصادفی در R - مرحله 1 Random Forest Regression in R - Step 1

  • رگرسیون جنگل تصادفی در R - مرحله 2 Random Forest Regression in R - Step 2

  • رگرسیون تصادفی جنگل در R - مرحله 3 Random Forest Regression in R - Step 3

  • مسابقه رگرسیون جنگل تصادفی Random Forest Regression Quiz

ارزیابی عملکرد مدل های رگرسیون Evaluating Regression Models Performance

  • R-Squared Intuition R-Squared Intuition

  • شهود R-Squared تنظیم شده Adjusted R-Squared Intuition

  • آزمون عملکرد مدل های رگرسیون ارزیابی Evaluating Regression Models Performance Quiz

انتخاب مدل رگرسیون در پایتون Regression Model Selection in Python

  • مطمئن شوید که این پوشه Model Selection را آماده دارید Make sure you have this Model Selection folder ready

  • آماده سازی الگوهای کد رگرسیون - مرحله 1 Preparation of the Regression Code Templates - Step 1

  • آماده سازی الگوهای کد رگرسیون - مرحله 2 Preparation of the Regression Code Templates - Step 2

  • آماده سازی الگوهای کد رگرسیون - مرحله 3 Preparation of the Regression Code Templates - Step 3

  • آماده سازی الگوهای کد رگرسیون - مرحله 4 Preparation of the Regression Code Templates - Step 4

  • نسخه ی نمایشی نهایی الگوهای کد رگرسیون قدرتمند در عمل! - مرحله 1 THE ULTIMATE DEMO OF THE POWERFUL REGRESSION CODE TEMPLATES IN ACTION! - STEP 1

  • نسخه ی نمایشی نهایی الگوهای کد رگرسیون قدرتمند در عمل! - گام 2 THE ULTIMATE DEMO OF THE POWERFUL REGRESSION CODE TEMPLATES IN ACTION! - STEP 2

  • نتیجه گیری قسمت 2 - رگرسیون Conclusion of Part 2 - Regression

انتخاب مدل رگرسیون در R Regression Model Selection in R

  • ارزیابی عملکرد مدل های رگرسیون - بخش پایانی تکالیف Evaluating Regression Models Performance - Homework's Final Part

  • تفسیر ضرایب رگرسیون خطی Interpreting Linear Regression Coefficients

  • نتیجه گیری قسمت 2 - رگرسیون Conclusion of Part 2 - Regression

-------------------- قسمت 3: طبقه بندی -------------------- -------------------- Part 3: Classification --------------------

  • به قسمت 3 - طبقه بندی خوش آمدید Welcome to Part 3 - Classification

رگرسیون لجستیک Logistic Regression

  • طبقه بندی چیست؟ What is Classification?

  • شهود رگرسیون لجستیک Logistic Regression Intuition

  • حداکثر احتمال Maximum Likelihood

  • رگرسیون لجستیک در پایتون - مرحله 1a Logistic Regression in Python - Step 1a

  • رگرسیون لجستیک در پایتون - مرحله 1b Logistic Regression in Python - Step 1b

  • رگرسیون لجستیک در پایتون - مرحله 2a Logistic Regression in Python - Step 2a

  • رگرسیون لجستیک در پایتون - مرحله 2b Logistic Regression in Python - Step 2b

  • رگرسیون لجستیک در پایتون - مرحله 3a Logistic Regression in Python - Step 3a

  • رگرسیون لجستیک در پایتون - مرحله 3b Logistic Regression in Python - Step 3b

  • رگرسیون لجستیک در پایتون - مرحله 4a Logistic Regression in Python - Step 4a

  • رگرسیون لجستیک در پایتون - مرحله 4b Logistic Regression in Python - Step 4b

  • رگرسیون لجستیک در پایتون - مرحله 5 Logistic Regression in Python - Step 5

  • رگرسیون لجستیک در پایتون - مرحله 6a Logistic Regression in Python - Step 6a

  • رگرسیون لجستیک در پایتون - مرحله 6b Logistic Regression in Python - Step 6b

  • رگرسیون لجستیک در پایتون - مرحله 7a Logistic Regression in Python - Step 7a

  • رگرسیون لجستیک در پایتون - مرحله 7b Logistic Regression in Python - Step 7b

  • رگرسیون لجستیک در پایتون - مرحله 7c Logistic Regression in Python - Step 7c

  • رگرسیون لجستیک در پایتون - مرحله 7 (تصویر دوستانه کوررنگ) Logistic Regression in Python - Step 7 (Colour-blind friendly image)

  • رگرسیون لجستیک در R - مرحله 1 Logistic Regression in R - Step 1

  • رگرسیون لجستیک در R - مرحله 2 Logistic Regression in R - Step 2

  • رگرسیون لجستیک در R - مرحله 3 Logistic Regression in R - Step 3

  • رگرسیون لجستیک در R - مرحله 4 Logistic Regression in R - Step 4

  • هشدار - به روز رسانی Warning - Update

  • رگرسیون لجستیک در R - مرحله 5a Logistic Regression in R - Step 5a

  • رگرسیون لجستیک در R - مرحله 5b Logistic Regression in R - Step 5b

  • رگرسیون لجستیک در R - مرحله 5c Logistic Regression in R - Step 5c

  • رگرسیون لجستیک در R - مرحله 5 (تصویر دوستانه کوررنگ) Logistic Regression in R - Step 5 (Colour-blind friendly image)

  • الگوی طبقه بندی R R Classification Template

  • پاداش رگرسیون یادگیری ماشین و طبقه بندی Machine Learning Regression and Classification BONUS

  • آزمون رگرسیون لجستیک Logistic Regression Quiz

  • محتوای اضافی: مطالعه موردی عملی رگرسیون لجستیک EXTRA CONTENT: Logistic Regression Practical Case Study

K-نزدیکترین همسایه (K-NN) K-Nearest Neighbors (K-NN)

  • K-نزدیکترین همسایه شهود K-Nearest Neighbor Intuition

  • K-NN در پایتون - مرحله 1 K-NN in Python - Step 1

  • K-NN در پایتون - مرحله 2 K-NN in Python - Step 2

  • K-NN در پایتون - مرحله 3 K-NN in Python - Step 3

  • K-NN در R - مرحله 1 K-NN in R - Step 1

  • K-NN در R - مرحله 2 K-NN in R - Step 2

  • K-NN در R - مرحله 3 K-NN in R - Step 3

  • آزمون K-نزدیکترین همسایه K-Nearest Neighbor Quiz

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

  • SVM Intuition SVM Intuition

  • SVM در پایتون - مرحله 1 SVM in Python - Step 1

  • SVM در پایتون - مرحله 2 SVM in Python - Step 2

  • SVM در پایتون - مرحله 3 SVM in Python - Step 3

  • SVM در R - مرحله 1 SVM in R - Step 1

  • SVM در R - مرحله 2 SVM in R - Step 2

  • آزمون SVM SVM Quiz

هسته SVM Kernel SVM

  • Kernel SVM Intuition Kernel SVM Intuition

  • نقشه برداری به بعد بالاتر Mapping to a higher dimension

  • ترفند هسته The Kernel Trick

  • انواع توابع هسته Types of Kernel Functions

  • SVR هسته غیر خطی (پیشرفته) Non-Linear Kernel SVR (Advanced)

  • Kernel SVM در پایتون - مرحله 1 Kernel SVM in Python - Step 1

  • Kernel SVM در پایتون - مرحله 2 Kernel SVM in Python - Step 2

  • Kernel SVM در R - مرحله 1 Kernel SVM in R - Step 1

  • Kernel SVM در R - مرحله 2 Kernel SVM in R - Step 2

  • Kernel SVM در R - مرحله 3 Kernel SVM in R - Step 3

  • آزمون کرنل SVM Kernel SVM Quiz

بیز ساده لوح Naive Bayes

  • قضیه بیز Bayes Theorem

  • شهود ساده بیز Naive Bayes Intuition

  • شهود ساده بیز (چالش آشکار) Naive Bayes Intuition (Challenge Reveal)

  • شهود ساده بیز (اضافی) Naive Bayes Intuition (Extras)

  • بیز ساده در پایتون - مرحله 1 Naive Bayes in Python - Step 1

  • Naive Bayes در پایتون - مرحله 2 Naive Bayes in Python - Step 2

  • Naive Bayes در پایتون - مرحله 3 Naive Bayes in Python - Step 3

  • Naive Bayes در R - مرحله 1 Naive Bayes in R - Step 1

  • Naive Bayes در R - مرحله 2 Naive Bayes in R - Step 2

  • Naive Bayes در R - مرحله 3 Naive Bayes in R - Step 3

  • آزمون ساده بیز Naive Bayes Quiz

طبقه بندی درخت تصمیم Decision Tree Classification

  • شهود طبقه بندی درخت تصمیم Decision Tree Classification Intuition

  • طبقه بندی درخت تصمیم در پایتون - مرحله 1 Decision Tree Classification in Python - Step 1

  • طبقه بندی درخت تصمیم در پایتون - مرحله 2 Decision Tree Classification in Python - Step 2

  • طبقه بندی درخت تصمیم در R - مرحله 1 Decision Tree Classification in R - Step 1

  • طبقه بندی درخت تصمیم در R - مرحله 2 Decision Tree Classification in R - Step 2

  • طبقه بندی درخت تصمیم در R - مرحله 3 Decision Tree Classification in R - Step 3

  • مسابقه طبقه بندی درخت تصمیم Decision Tree Classification Quiz

طبقه بندی تصادفی جنگل Random Forest Classification

  • شهود طبقه بندی تصادفی جنگل Random Forest Classification Intuition

  • طبقه بندی جنگل تصادفی در پایتون - مرحله 1 Random Forest Classification in Python - Step 1

  • طبقه بندی جنگل تصادفی در پایتون - مرحله 2 Random Forest Classification in Python - Step 2

  • طبقه بندی تصادفی جنگل در R - مرحله 1 Random Forest Classification in R - Step 1

  • طبقه بندی تصادفی جنگل در R - مرحله 2 Random Forest Classification in R - Step 2

  • طبقه بندی تصادفی جنگل در R - مرحله 3 Random Forest Classification in R - Step 3

  • مسابقه طبقه بندی تصادفی جنگل Random Forest Classification Quiz

انتخاب مدل طبقه بندی در پایتون Classification Model Selection in Python

  • مطمئن شوید که این پوشه Model Selection را آماده دارید Make sure you have this Model Selection folder ready

  • ماتریس سردرگمی و نسبت دقت Confusion Matrix & Accuracy Ratios

  • نسخه ی نمایشی نهایی الگوهای کد طبقه بندی قدرتمند در عمل - مرحله 1 ULTIMATE DEMO OF THE POWERFUL CLASSIFICATION CODE TEMPLATES IN ACTION - STEP 1

  • نسخه ی نمایشی نهایی الگوهای کد طبقه بندی قدرتمند در عمل - مرحله 2 ULTIMATE DEMO OF THE POWERFUL CLASSIFICATION CODE TEMPLATES IN ACTION - STEP 2

  • نسخه ی نمایشی نهایی الگوهای کد طبقه بندی قدرتمند در عمل - مرحله 3 ULTIMATE DEMO OF THE POWERFUL CLASSIFICATION CODE TEMPLATES IN ACTION - STEP 3

  • نسخه ی نمایشی نهایی الگوهای کد طبقه بندی قدرتمند در عمل - مرحله 4 ULTIMATE DEMO OF THE POWERFUL CLASSIFICATION CODE TEMPLATES IN ACTION - STEP 4

ارزیابی عملکرد مدل های طبقه بندی Evaluating Classification Models Performance

  • مثبت کاذب و منفی کاذب False Positives & False Negatives

  • پارادوکس دقت Accuracy Paradox

  • منحنی CAP CAP Curve

  • تجزیه و تحلیل منحنی CAP CAP Curve Analysis

  • نتیجه گیری قسمت 3 - طبقه بندی Conclusion of Part 3 - Classification

  • آزمون ارزیابی عملکرد مدل طبقه بندی Evaluating Classiification Model Performance Quiz

-------------------- قسمت 4: خوشه بندی -------------------- -------------------- Part 4: Clustering --------------------

  • به قسمت 4 - خوشه بندی خوش آمدید Welcome to Part 4 - Clustering

K-Means Clustering K-Means Clustering

  • خوشه بندی چیست؟ (آموزش تحت نظارت در مقابل یادگیری بدون نظارت) What is Clustering? (Supervised vs Unsupervised Learning)

  • K-Means Clustering Intuition K-Means Clustering Intuition

  • روش آرنج The Elbow Method

  • K-Means++ K-Means++

  • K-Means Clustering در پایتون - مرحله 1a K-Means Clustering in Python - Step 1a

  • K-Means Clustering در پایتون - مرحله 1b K-Means Clustering in Python - Step 1b

  • K-Means Clustering در پایتون - مرحله 2a K-Means Clustering in Python - Step 2a

  • K-Means Clustering در پایتون - مرحله 2b K-Means Clustering in Python - Step 2b

  • K-Means Clustering در پایتون - مرحله 3a K-Means Clustering in Python - Step 3a

  • K-Means Clustering در پایتون - مرحله 3b K-Means Clustering in Python - Step 3b

  • K-Means Clustering در پایتون - مرحله 3c K-Means Clustering in Python - Step 3c

  • K-Means Clustering در پایتون - مرحله 4 K-Means Clustering in Python - Step 4

  • K-Means Clustering در پایتون - مرحله 5a K-Means Clustering in Python - Step 5a

  • K-Means Clustering در پایتون - مرحله 5b K-Means Clustering in Python - Step 5b

  • K-Means Clustering در پایتون - مرحله 5c K-Means Clustering in Python - Step 5c

  • K-Means Clustering در R - مرحله 1 K-Means Clustering in R - Step 1

  • K-Means Clustering در R - مرحله 2 K-Means Clustering in R - Step 2

  • K-Means Clustering Quiz K-Means Clustering Quiz

خوشه بندی سلسله مراتبی Hierarchical Clustering

  • شهود خوشه بندی سلسله مراتبی Hierarchical Clustering Intuition

  • خوشه بندی سلسله مراتبی چگونه دندروگرام ها کار می کنند Hierarchical Clustering How Dendrograms Work

  • خوشه بندی سلسله مراتبی با استفاده از دندروگرام Hierarchical Clustering Using Dendrograms

  • خوشه بندی سلسله مراتبی در پایتون - مرحله 1 Hierarchical Clustering in Python - Step 1

  • خوشه بندی سلسله مراتبی در پایتون - مرحله 2a Hierarchical Clustering in Python - Step 2a

  • خوشه بندی سلسله مراتبی در پایتون - مرحله 2b Hierarchical Clustering in Python - Step 2b

  • خوشه بندی سلسله مراتبی در پایتون - مرحله 2c Hierarchical Clustering in Python - Step 2c

  • خوشه بندی سلسله مراتبی در پایتون - مرحله 3a Hierarchical Clustering in Python - Step 3a

  • خوشه بندی سلسله مراتبی در پایتون - مرحله 3b Hierarchical Clustering in Python - Step 3b

  • خوشه بندی سلسله مراتبی در R - مرحله 1 Hierarchical Clustering in R - Step 1

  • خوشه بندی سلسله مراتبی در R - مرحله 2 Hierarchical Clustering in R - Step 2

  • خوشه بندی سلسله مراتبی در R - مرحله 3 Hierarchical Clustering in R - Step 3

  • خوشه بندی سلسله مراتبی در R - مرحله 4 Hierarchical Clustering in R - Step 4

  • خوشه بندی سلسله مراتبی در R - مرحله 5 Hierarchical Clustering in R - Step 5

  • آزمون خوشه بندی سلسله مراتبی Hierarchical Clustering Quiz

  • نتیجه گیری قسمت 4 - خوشه بندی Conclusion of Part 4 - Clustering

-------------------- قسمت 5: آموزش قوانین انجمن -------------------- -------------------- Part 5: Association Rule Learning --------------------

  • به قسمت 5 - آموزش قوانین انجمن خوش آمدید Welcome to Part 5 - Association Rule Learning

پیشین Apriori

  • شهود آپریوری Apriori Intuition

  • Apriori در پایتون - مرحله 1 Apriori in Python - Step 1

  • Apriori در پایتون - مرحله 2 Apriori in Python - Step 2

  • Apriori در پایتون - مرحله 3 Apriori in Python - Step 3

  • Apriori در پایتون - مرحله 4 Apriori in Python - Step 4

  • Apriori در R - مرحله 1 Apriori in R - Step 1

  • Apriori در R - مرحله 2 Apriori in R - Step 2

  • Apriori در R - مرحله 3 Apriori in R - Step 3

  • آزمون Apriori Apriori Quiz

Eclat Eclat

  • Eclat Intuition Eclat Intuition

  • Eclat در پایتون Eclat in Python

  • Eclat در R Eclat in R

  • آزمون Eclat Eclat Quiz

-------------------- قسمت 6: یادگیری تقویتی -------------------- -------------------- Part 6: Reinforcement Learning --------------------

  • به قسمت 6 - آموزش تقویتی خوش آمدید Welcome to Part 6 - Reinforcement Learning

حد بالای اطمینان (UCB) Upper Confidence Bound (UCB)

  • مشکل راهزن چند مسلح The Multi-Armed Bandit Problem

  • شهود کران اعتماد بالا (UCB). Upper Confidence Bound (UCB) Intuition

  • حد بالای اطمینان در پایتون - مرحله 1 Upper Confidence Bound in Python - Step 1

  • حد بالای اطمینان در پایتون - مرحله 2 Upper Confidence Bound in Python - Step 2

  • حد بالای اطمینان در پایتون - مرحله 3 Upper Confidence Bound in Python - Step 3

  • حد بالای اطمینان در پایتون - مرحله 4 Upper Confidence Bound in Python - Step 4

  • حد بالای اطمینان در پایتون - مرحله 5 Upper Confidence Bound in Python - Step 5

  • حد بالای اطمینان در پایتون - مرحله 6 Upper Confidence Bound in Python - Step 6

  • حد بالای اطمینان در پایتون - مرحله 7 Upper Confidence Bound in Python - Step 7

  • حد بالای اطمینان در R - مرحله 1 Upper Confidence Bound in R - Step 1

  • حد بالای اطمینان در R - مرحله 2 Upper Confidence Bound in R - Step 2

  • حد بالای اطمینان در R - مرحله 3 Upper Confidence Bound in R - Step 3

  • حد بالای اطمینان در R - مرحله 4 Upper Confidence Bound in R - Step 4

  • امتحان محدود اعتماد به نفس بالا Upper Confidence Bound Quiz

نمونه گیری تامپسون Thompson Sampling

  • شهود نمونه برداری تامپسون Thompson Sampling Intuition

  • مقایسه الگوریتم: نمونه برداری UCB در مقابل تامپسون Algorithm Comparison: UCB vs Thompson Sampling

  • نمونه برداری تامپسون در پایتون - مرحله 1 Thompson Sampling in Python - Step 1

  • نمونه برداری تامپسون در پایتون - مرحله 2 Thompson Sampling in Python - Step 2

  • نمونه برداری تامپسون در پایتون - مرحله 3 Thompson Sampling in Python - Step 3

  • نمونه برداری تامپسون در پایتون - مرحله 4 Thompson Sampling in Python - Step 4

  • منبع اضافی برای این بخش Additional Resource for this Section

  • نمونه برداری تامپسون در R - مرحله 1 Thompson Sampling in R - Step 1

  • نمونه برداری تامپسون در R - مرحله 2 Thompson Sampling in R - Step 2

  • آزمون نمونه گیری تامپسون Thompson Sampling Quiz

-------------------- قسمت 7: پردازش زبان طبیعی -------------------- -------------------- Part 7: Natural Language Processing --------------------

  • به قسمت 7 - پردازش زبان طبیعی خوش آمدید Welcome to Part 7 - Natural Language Processing

  • NLP Intuition NLP Intuition

  • انواع پردازش زبان طبیعی Types of Natural Language Processing

  • مدل‌های کلاسیک در مقابل یادگیری عمیق Classical vs Deep Learning Models

  • مدل کیف از کلمات Bag-Of-Words Model

  • پردازش زبان طبیعی در پایتون - مرحله 1 Natural Language Processing in Python - Step 1

  • پردازش زبان طبیعی در پایتون - مرحله 2 Natural Language Processing in Python - Step 2

  • پردازش زبان طبیعی در پایتون - مرحله 3 Natural Language Processing in Python - Step 3

  • پردازش زبان طبیعی در پایتون - مرحله 4 Natural Language Processing in Python - Step 4

  • پردازش زبان طبیعی در پایتون - مرحله 5 Natural Language Processing in Python - Step 5

  • پردازش زبان طبیعی در پایتون - مرحله 6 Natural Language Processing in Python - Step 6

  • پردازش زبان طبیعی در پایتون - BONUS Natural Language Processing in Python - BONUS

  • چالش تکلیف Homework Challenge

  • پردازش زبان طبیعی در R - مرحله 1 Natural Language Processing in R - Step 1

  • هشدار - به روز رسانی Warning - Update

  • پردازش زبان طبیعی در R - مرحله 2 Natural Language Processing in R - Step 2

  • پردازش زبان طبیعی در R - مرحله 3 Natural Language Processing in R - Step 3

  • پردازش زبان طبیعی در R - مرحله 4 Natural Language Processing in R - Step 4

  • پردازش زبان طبیعی در R - مرحله 5 Natural Language Processing in R - Step 5

  • پردازش زبان طبیعی در R - مرحله 6 Natural Language Processing in R - Step 6

  • پردازش زبان طبیعی در R - مرحله 7 Natural Language Processing in R - Step 7

  • پردازش زبان طبیعی در R - مرحله 8 Natural Language Processing in R - Step 8

  • پردازش زبان طبیعی در R - مرحله 9 Natural Language Processing in R - Step 9

  • پردازش زبان طبیعی در R - مرحله 10 Natural Language Processing in R - Step 10

  • چالش تکلیف Homework Challenge

  • آزمون پردازش زبان طبیعی Natural Language Processing Quiz

-------------------- قسمت 8: یادگیری عمیق -------------------- -------------------- Part 8: Deep Learning --------------------

  • به قسمت 8 - یادگیری عمیق خوش آمدید Welcome to Part 8 - Deep Learning

  • یادگیری عمیق چیست؟ What is Deep Learning?

  • آزمون یادگیری عمیق Deep Learning Quiz

شبکه های عصبی مصنوعی Artificial Neural Networks

  • طرح حمله Plan of attack

  • نورون The Neuron

  • تابع فعال سازی The Activation Function

  • شبکه های عصبی چگونه کار می کنند؟ How do Neural Networks work?

  • شبکه های عصبی چگونه یاد می گیرند؟ How do Neural Networks learn?

  • گرادیان نزول Gradient Descent

  • نزول گرادیان تصادفی Stochastic Gradient Descent

  • پس انتشار Backpropagation

  • شرح مشکل تجاری Business Problem Description

  • ANN در پایتون - مرحله 1 ANN in Python - Step 1

  • ANN در پایتون - مرحله 2 ANN in Python - Step 2

  • ANN در پایتون - مرحله 3 ANN in Python - Step 3

  • ANN در پایتون - مرحله 4 ANN in Python - Step 4

  • ANN در پایتون - مرحله 5 ANN in Python - Step 5

  • ANN در R - مرحله 1 ANN in R - Step 1

  • ANN در R - مرحله 2 ANN in R - Step 2

  • ANN در R - مرحله 3 ANN in R - Step 3

  • ANN در R - مرحله 4 (آخرین مرحله) ANN in R - Step 4 (Last step)

  • محتوای اضافی یادگیری عمیق Deep Learning Additional Content

  • محتوای اضافی: مطالعه موردی ANN EXTRA CONTENT: ANN Case Study

  • آزمون ANN ANN QUIZ

شبکه های عصبی کانولوشنال Convolutional Neural Networks

  • طرح حمله Plan of attack

  • شبکه های عصبی کانولوشن چیست؟ What are convolutional neural networks?

  • مرحله 1 - عملیات پیچیدگی Step 1 - Convolution Operation

  • مرحله 1 (ب) - لایه ReLU Step 1(b) - ReLU Layer

  • مرحله 2 - ادغام Step 2 - Pooling

  • مرحله 3 - صاف کردن Step 3 - Flattening

  • مرحله 4 - اتصال کامل Step 4 - Full Connection

  • خلاصه Summary

  • Softmax & Cross-Entropy Softmax & Cross-Entropy

  • CNN در پایتون - مرحله 1 CNN in Python - Step 1

  • CNN در پایتون - مرحله 2 CNN in Python - Step 2

  • CNN در پایتون - مرحله 3 CNN in Python - Step 3

  • CNN در پایتون - مرحله 4 CNN in Python - Step 4

  • CNN در پایتون - مرحله 5 CNN in Python - Step 5

  • CNN در پایتون - نسخه نمایشی نهایی! CNN in Python - FINAL DEMO!

  • محتوای اضافی یادگیری عمیق شماره 2 Deep Learning Additional Content #2

  • امتحان CNN CNN Quiz

-------------------- قسمت 9: کاهش ابعاد -------------------- -------------------- Part 9: Dimensionality Reduction --------------------

  • به قسمت 9 - کاهش ابعاد خوش آمدید Welcome to Part 9 - Dimensionality Reduction

تجزیه و تحلیل اجزای اصلی (PCA) Principal Component Analysis (PCA)

  • شهود تجزیه و تحلیل مؤلفه اصلی (PCA). Principal Component Analysis (PCA) Intuition

  • PCA در پایتون - مرحله 1 PCA in Python - Step 1

  • PCA در پایتون - مرحله 2 PCA in Python - Step 2

  • PCA در R - مرحله 1 PCA in R - Step 1

  • PCA در R - مرحله 2 PCA in R - Step 2

  • PCA در R - مرحله 3 PCA in R - Step 3

  • آزمون PCA PCA Quiz

تجزیه و تحلیل تشخیص خطی (LDA) Linear Discriminant Analysis (LDA)

  • تحلیل تشخیصی خطی (LDA) شهود Linear Discriminant Analysis (LDA) Intuition

  • LDA در پایتون LDA in Python

  • LDA در R LDA in R

  • آزمون LDA LDA Quiz

هسته PCA Kernel PCA

  • هسته PCA در پایتون Kernel PCA in Python

  • هسته PCA در R Kernel PCA in R

-------------------- قسمت 10: انتخاب و تقویت مدل -------------------- -------------------- Part 10: Model Selection & Boosting --------------------

  • به قسمت 10 - انتخاب و تقویت مدل خوش آمدید Welcome to Part 10 - Model Selection & Boosting

انتخاب مدل Model Selection

  • k-Fold Cross Validation در پایتون k-Fold Cross Validation in Python

  • جستجوی گرید در پایتون Grid Search in Python

  • k-Fold Cross Validation در R k-Fold Cross Validation in R

  • جستجوی شبکه در R Grid Search in R

XGBoost XGBoost

  • XGBoost در پایتون XGBoost in Python

  • انتخاب مدل و تقویت محتوای اضافی Model Selection and Boosting Additional Content

  • XGBoost در R XGBoost in R

پیشنهاد انحصاری Exclusive Offer

  • ***پیشنهاد ویژه ما*** ***OUR SPECIAL OFFER***

پیوست: رگرسیون لجستیک (توضیح طولانی) Annex: Logistic Regression (Long Explanation)

  • شهود رگرسیون لجستیک Logistic Regression Intuition

نمایش نظرات

آموزش یادگیری ماشینی A-Z™: هوش مصنوعی، پایتون و R + پاداش ChatGPT [2023]
جزییات دوره
42 hours
382
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
927,054
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kirill Eremenko Kirill Eremenko

دانشمند داده

اسم من کریل ارمنکو است و از اینکه شما دارید این مطلب را می خوانید بسیار روان هستم!

من به طور حرفه ای یک مشاور مدیریت علوم داده با بیش از پنج سال تجربه در امور مالی، خرده فروشی، حمل و نقل و سایر صنایع هستم. من توسط بهترین مربیان تجزیه و تحلیل در Deloitte استرالیا آموزش دیدم و امروز از Big Data برای هدایت استراتژی تجاری، بهبود تجربه مشتری و متحول کردن فرآیندهای عملیاتی موجود استفاده می کنم.

از دوره های من بلافاصله متوجه خواهید شد که چگونه تجربه واقعی زندگی و پیشینه تحصیلی خود را در فیزیک و ریاضیات ترکیب می کنم تا مربیگری گام به گام حرفه ای را در فضای علم داده ارائه دهم. من همچنین علاقه زیادی به سخنرانی عمومی دارم و به طور مرتب در دانشگاه ها و رویدادهای صنعتی پیشرو استرالیا در Big Data حضور دارم.

به طور خلاصه، من کاملاً و کاملاً مشتاق علوم داده هستم و مشتاقانه منتظر هستم تا اشتیاق و دانش خود را با شما به اشتراک بگذارم!

Hadelin de Ponteves Hadelin de Ponteves

هادلین یکی از بنیانگذاران و مدیر عامل شرکت BlueLife AI است که از قدرت پیشرفته هوش مصنوعی برای توانمندسازی مشاغل برای کسب سود کلان با نوآوری ، خودکارسازی فرایندها و به حداکثر رساندن بهره وری بهره می برد. هادلین همچنین یک کارآفرین آنلاین است که 70 دوره آموزشی الکترونیکی با رتبه برتر در جهان در موضوعاتی مانند یادگیری ماشین ، یادگیری عمیق ، هوش مصنوعی و بلاکچین ایجاد کرده است که به بیش از 1 میلیون دانش آموز در 210 کشور رسیده است.

SuperDataScience Team SuperDataScience Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم SuperDataScience Social هستیم. هنگام انتشار دوره های جدید SDS ، هنگامی که پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و سایر موارد را منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در SuperDataScience

Ligency Team Ligency Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم روابط عمومی و بازاریابی Ligence هستیم. هنگامی که دوره های جدید منتشر می شوند ، وقتی پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و غیره منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در معرض خطر