آموزش مبانی تحلیل داده‌ها برای حسابداری II - آخرین آپدیت

جهت‌گیری دوره Course Orientation

• خوش‌آمدگویی به دوره مبانی تحلیل داده‌ها برای حسابداری II Welcome to Data Analytics Foundations for Accountancy II

• آشنایی با پروفسور برونر Meet Professor Brunner

• یادگیری با شرایط و سرعت خودتان Learn on Your Terms

ماژول 1: مقدمه‌ای بر یادگیری ماشین Module 1: Introduction to Machine Learning

• مقدمه‌ای بر ماژول 1 Introduction to Module 1

• مقدمه‌ای بر یادگیری ماشین Introduction to Machine Learning

• مقدمه‌ای بر رگرسیون خطی Introduction to Linear Regression

• مقدمه‌ای بر k-NN Introduction to k-nn

ماژول 2: الگوریتم‌های بنیادی Module 2: Fundamental Algorithms

• مقدمه‌ای بر ماژول 2 Introduction to Module 2

• مقدمه‌ای بر الگوریتم‌های بنیادی Introduction to Fundamental Algorithms

• مقدمه‌ای بر رگرسیون لجستیک Introduction to Logistics Regression

• مقدمه‌ای بر درخت‌های تصمیم Introduction to Decision Trees

• مقدمه‌ای بر ماشین بردار پشتیبان (SVM) Introduction to Support Vector Machine

ماژول 3: مفاهیم کاربردی در یادگیری ماشین Module 3: Practical Concepts in Machine Learning

• مقدمه‌ای بر ماژول 3 Introduction to Module 3

• مقدمه‌ای بر مدل‌سازی موفقیت Introduction to Modeling Success

• مقدمه‌ای بر روش Bagging Introduction to Bagging

• مقدمه‌ای بر روش Boosting Introduction to Boosting

• مقدمه‌ای بر خط لوله (Pipeline) یادگیری ماشین Introduction to ML Pipelines

ماژول 4: بیش‌برازش و منظم‌سازی Module 4: Overfitting & Regularization

• مقدمه‌ای بر ماژول 4 Introduction to Module 4

• مقدمه‌ای بر بیش‌برازش (Overfitting) Introduction to Overfitting

• مقدمه‌ای بر اعتبارسنجی متقاطع Introduction to Cross-Validation

• مقدمه‌ای بر انتخاب مدل Introduction to Model-Selection

• مقدمه‌ای بر منظم‌سازی (Regularization) Introduction to Regularization

ماژول 5: الگوریتم‌های احتمالی بنیادی Module 5: Fundamental Probabilistic Algorithms

• مقدمه‌ای بر ماژول 5 Introduction to Module 5

• مقدمه‌ای بر یادگیری ماشین کاربردی Introduction to Practical Machine Learning

• مقدمه‌ای بر نایو بیز (Naive Bayes) Introduction to Naive Bayes

• مقدمه‌ای بر فرآیندهای گاوسی Introduction to Gaussian Processes

ماژول 6: مهندسی ویژگی Module 6: Feature Engineering

• مقدمه‌ای بر ماژول 6 Introduction to Module 6

• ملاحظات کاربردی در یادگیری ماشین Practical Concerns with Machine Learning

• مقدمه‌ای بر انتخاب ویژگی Introduction to Feature Selection

• مقدمه‌ای بر کاهش ابعاد Introduction to Dimension Reduction

• مقدمه‌ای بر یادگیری منیفولد Introduction to Manifold Learning

ماژول 7: مقدمه‌ای بر خوشه‌بندی Module 7: Introduction to Clustering

• مقدمه‌ای بر ماژول 7 Introduction to Module 7

• مقدمه‌ای بر خوشه‌بندی Introduction to Clustering

• مقدمه‌ای بر خوشه‌بندی فضایی Introduction to Spatial Clustering

• مقدمه‌ای بر خوشه‌بندی مبتنی بر چگالی Introduction to Density-Based Clustering

• مقدمه‌ای بر مدل‌های مخلوط Introduction to Mixture Models

ماژول 8: مقدمه‌ای بر تشخیص ناهنجاری Module 8: Introduction to Anomaly Detection

• مقدمه‌ای بر ماژول 8 Introduction to Module 8

• مقدمه‌ای بر تشخیص ناهنجاری Introduction to Anomaly Detection

• تشخیص ناهنجاری آماری Statistical Anomaly Detection

• یادگیری ماشین و تشخیص ناهنجاری Machine Learning and Anomaly Detection