آموزش یادگیری ماشین، علم داده و یادگیری عمیق با پایتون

سرفصل ها و درس ها

شروع شدن Getting Started

• معرفی Introduction

• Udemy 101: بیشترین بهره را از این دوره ببرید Udemy 101: Getting the Most From This Course

• یادداشت مهم Important note

• نصب: شروع به کار Installation: Getting Started

• [فعالیت] WINDOWS: نصب و استفاده از Anaconda & Course Materials [Activity] WINDOWS: Installing and Using Anaconda & Course Materials

• [فعالیت] MAC: نصب و استفاده از Anaconda & Course Materials [Activity] MAC: Installing and Using Anaconda & Course Materials

• [فعالیت] LINUX: نصب و استفاده از Anaconda & Course Materials [Activity] LINUX: Installing and Using Anaconda & Course Materials

• مبانی پایتون، قسمت 1 [اختیاری] Python Basics, Part 1 [Optional]

• [فعالیت] مبانی پایتون، قسمت 2 [اختیاری] [Activity] Python Basics, Part 2 [Optional]

• [فعالیت] مبانی پایتون، قسمت 3 [اختیاری] [Activity] Python Basics, Part 3 [Optional]

• [فعالیت] مبانی پایتون، قسمت 4 [اختیاری] [Activity] Python Basics, Part 4 [Optional]

• معرفی کتابخانه پانداها [اختیاری] Introducing the Pandas Library [Optional]

بازنگری آمار و احتمالات و تمرین پایتون Statistics and Probability Refresher, and Python Practice

• انواع داده ها (عددی، طبقه ای، ترتیبی) Types of Data (Numerical, Categorical, Ordinal)

• میانگین، میانه، حالت Mean, Median, Mode

• [فعالیت] استفاده از میانگین، میانه و حالت در پایتون [Activity] Using mean, median, and mode in Python

• [فعالیت] تنوع و انحراف معیار [Activity] Variation and Standard Deviation

• تابع چگالی احتمال. تابع جرم احتمال Probability Density Function; Probability Mass Function

• توزیع داده های رایج (نرمال، دو جمله ای، پواسون و غیره) Common Data Distributions (Normal, Binomial, Poisson, etc)

• [فعالیت] صدک ها و لحظه ها [Activity] Percentiles and Moments

• [فعالیت] دوره تصادف در matplotlib [Activity] A Crash Course in matplotlib

• [فعالیت] تجسم پیشرفته با Seaborn [Activity] Advanced Visualization with Seaborn

• [فعالیت] کوواریانس و همبستگی [Activity] Covariance and Correlation

• [تمرین] احتمال شرطی [Exercise] Conditional Probability

• راه حل تمرین: احتمال خرید مشروط بر اساس سن Exercise Solution: Conditional Probability of Purchase by Age

• قضیه بیز Bayes' Theorem

مدل های پیش بینی Predictive Models

• [فعالیت] رگرسیون خطی [Activity] Linear Regression

• [فعالیت] رگرسیون چند جمله ای [Activity] Polynomial Regression

• [فعالیت] رگرسیون چندگانه و پیش‌بینی قیمت خودرو [Activity] Multiple Regression, and Predicting Car Prices

• مدل های چند سطحی Multi-Level Models

یادگیری ماشینی با پایتون Machine Learning with Python

• تحت نظارت در مقابل یادگیری بدون نظارت و آموزش/آزمون Supervised vs. Unsupervised Learning, and Train/Test

• [فعالیت] استفاده از قطار/آزمایش برای جلوگیری از برازش بیش از حد یک رگرسیون چند جمله‌ای [Activity] Using Train/Test to Prevent Overfitting a Polynomial Regression

• روش های بیزی: مفاهیم Bayesian Methods: Concepts

• [فعالیت] پیاده سازی یک طبقه بندی کننده هرزنامه با Naive Bayes [Activity] Implementing a Spam Classifier with Naive Bayes

• K-Means Clustering K-Means Clustering

• [فعالیت] خوشه بندی افراد بر اساس درآمد و سن [Activity] Clustering people based on income and age

• اندازه گیری آنتروپی Measuring Entropy

• [فعالیت] WINDOWS: نصب Graphviz [Activity] WINDOWS: Installing Graphviz

• [فعالیت] MAC: نصب Graphviz [Activity] MAC: Installing Graphviz

• [فعالیت] LINUX: نصب Graphviz [Activity] LINUX: Installing Graphviz

• درختان تصمیم: مفاهیم Decision Trees: Concepts

• [فعالیت] درختان تصمیم: پیش بینی تصمیمات استخدام [Activity] Decision Trees: Predicting Hiring Decisions

• آموزش گروهی Ensemble Learning

• [فعالیت] XGBoost [Activity] XGBoost

• نمای کلی ماشین‌های بردار پشتیبانی (SVM). Support Vector Machines (SVM) Overview

• [فعالیت] استفاده از SVM برای خوشه بندی افراد با استفاده از scikit-learn [Activity] Using SVM to cluster people using scikit-learn

سیستم توصیهگر Recommender Systems

• فیلتر مشارکتی مبتنی بر کاربر User-Based Collaborative Filtering

• فیلتر مشارکتی مبتنی بر آیتم Item-Based Collaborative Filtering

• [فعالیت] یافتن شباهت های فیلم با استفاده از شباهت کسینوس [Activity] Finding Movie Similarities using Cosine Similarity

• [فعالیت] بهبود نتایج شباهت های فیلم [Activity] Improving the Results of Movie Similarities

• [فعالیت] ایجاد توصیه های فیلم با فیلتر مشارکتی مبتنی بر آیتم [Activity] Making Movie Recommendations with Item-Based Collaborative Filtering

• [تمرین] نتایج توصیه‌کننده را بهبود بخشید [Exercise] Improve the recommender's results

داده کاوی و تکنیک های یادگیری ماشین بیشتر More Data Mining and Machine Learning Techniques

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

• [فعالیت] استفاده از KNN برای پیش‌بینی امتیاز یک فیلم [Activity] Using KNN to predict a rating for a movie

• کاهش ابعاد؛ تجزیه و تحلیل اجزای اصلی (PCA) Dimensionality Reduction; Principal Component Analysis (PCA)

• [فعالیت] مثال PCA با مجموعه داده Iris [Activity] PCA Example with the Iris data set

• مروری بر انبار داده ها: ETL و ELT Data Warehousing Overview: ETL and ELT

• یادگیری تقویتی Reinforcement Learning

• [فعالیت] تقویت یادگیری و Q-Learning با ورزشگاه [Activity] Reinforcement Learning & Q-Learning with Gym

• درک یک ماتریس سردرگمی Understanding a Confusion Matrix

• طبقه بندی کننده های اندازه گیری (دقت، فراخوان، F1، ROC، AUC) Measuring Classifiers (Precision, Recall, F1, ROC, AUC)

برخورد با داده های دنیای واقعی Dealing with Real-World Data

• مبادله تعصب/واریانس Bias/Variance Tradeoff

• [فعالیت] K-Fold Cross-Validation برای جلوگیری از نصب بیش از حد [Activity] K-Fold Cross-Validation to avoid overfitting

• پاکسازی و عادی سازی داده ها Data Cleaning and Normalization

• [فعالیت] پاک کردن داده‌های گزارش وب [Activity] Cleaning web log data

• عادی سازی داده های عددی Normalizing numerical data

• [فعالیت] تشخیص نقاط پرت [Activity] Detecting outliers

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

• تکنیک های انتساب برای داده های از دست رفته Imputation Techniques for Missing Data

• مدیریت داده های نامتعادل: نمونه برداری بیش از حد، نمونه برداری کم، و SMOTE Handling Unbalanced Data: Oversampling, Undersampling, and SMOTE

• Binning، Transforming، Encoding، Scaling و Shuffling Binning, Transforming, Encoding, Scaling, and Shuffling

آپاچی اسپارک: یادگیری ماشین روی داده های بزرگ Apache Spark: Machine Learning on Big Data

• هشدار در مورد جاوا 11 و اسپارک 3! Warning about Java 11 and Spark 3!

• یادداشت های نصب Spark برای کاربران MacOS و Linux Spark installation notes for MacOS and Linux users

• [فعالیت] نصب اسپارک - قسمت 1 [Activity] Installing Spark - Part 1

• [فعالیت] نصب اسپارک - قسمت 2 [Activity] Installing Spark - Part 2

• معرفی جرقه Spark Introduction

• Spark و مجموعه داده های توزیع شده انعطاف پذیر (RDD) Spark and the Resilient Distributed Dataset (RDD)

• معرفی MLLib Introducing MLLib

• مقدمه ای بر درختان تصمیم در اسپارک Introduction to Decision Trees in Spark

• [فعالیت] K-Means Clustering در Spark [Activity] K-Means Clustering in Spark

• TF/IDF TF / IDF

• [فعالیت] جستجوی ویکی پدیا با اسپارک [Activity] Searching Wikipedia with Spark

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

طراحی تجربی/ML در دنیای واقعی Experimental Design / ML in the Real World

• استقرار مدل ها در سیستم های بلادرنگ Deploying Models to Real-Time Systems

• مفاهیم تست A/B A/B Testing Concepts

• T-Test و P-Values T-Tests and P-Values

• [فعالیت] عملی با T-Tests [Activity] Hands-on With T-Tests

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

• گوچاهای تست A/B A/B Test Gotchas

یادگیری عمیق و شبکه های عصبی Deep Learning and Neural Networks

• پیش نیازهای یادگیری عمیق Deep Learning Pre-Requisites

• تاریخچه شبکه های عصبی مصنوعی The History of Artificial Neural Networks

• [فعالیت] یادگیری عمیق در زمین بازی تنسورفلو [Activity] Deep Learning in the Tensorflow Playground

• جزئیات یادگیری عمیق Deep Learning Details

• معرفی تنسورفلو Introducing Tensorflow

• [فعالیت] با استفاده از تنسورفلو، قسمت 1 [Activity] Using Tensorflow, Part 1

• [فعالیت] با استفاده از تنسورفلو، قسمت 2 [Activity] Using Tensorflow, Part 2

• [فعالیت] معرفی کراس [Activity] Introducing Keras

• [فعالیت] استفاده از Keras برای پیش بینی وابستگی های سیاسی [Activity] Using Keras to Predict Political Affiliations

• شبکه های عصبی کانولوشن (CNN) Convolutional Neural Networks (CNN's)

• [فعالیت] استفاده از CNN برای تشخیص دست خط [Activity] Using CNN's for handwriting recognition

• شبکه های عصبی مکرر (RNN) Recurrent Neural Networks (RNN's)

• [فعالیت] استفاده از RNN برای تجزیه و تحلیل احساسات [Activity] Using a RNN for sentiment analysis

• [فعالیت] آموزش انتقال [Activity] Transfer Learning

• تنظیم شبکه های عصبی: فراپارامترهای نرخ یادگیری و اندازه دسته ای Tuning Neural Networks: Learning Rate and Batch Size Hyperparameters

• منظم سازی یادگیری عمیق با ترک تحصیل و توقف زودهنگام Deep Learning Regularization with Dropout and Early Stopping

• اخلاق یادگیری عمیق The Ethics of Deep Learning

مدل های مولد Generative Models

• رمزگذارهای خودکار متغیر (VAE) - نحوه کار آنها Variational Auto-Encoders (VAE's) - how they work

• رمزگذارهای خودکار متغیر (VAE) - به طور عملی با Fashion MNIST Variational Auto-Encoders (VAE) - Hands-on with Fashion MNIST

• شبکه های متخاصم مولد (GAN) - نحوه کار آنها Generative Adversarial Networks (GAN's) - How they work

• شبکه های متخاصم مولد (GAN's) - بازی با برخی از دموها Generative Adversarial Networks (GAN's) - Playing with some demos

• شبکه‌های متخاصم مولد (GAN's) - با Fashion MNIST عمل می‌کند Generative Adversarial Networks (GAN's) - Hands-on with Fashion MNIST

• درباره یادگیری عمیق بیشتر بدانید Learning More about Deep Learning

پروژه نهایی Final Project

• تکلیف نهایی پروژه شما: طبقه بندی ماموگرافی Your final project assignment: Mammogram Classification

• بررسی نهایی پروژه Final project review

تو موفق شدی! You made it!

• بیشتر برای کاوش More to Explore

• فراموش نکنید که رتبه بندی کنید! Don't Forget to Leave a Rating!

• سخنرانی پاداش Bonus Lecture