لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی علوم داده و یادگیری ماشین با پایتون
- آخرین آپدیت
دانلود Foundations of Data Science and Machine Learning with Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بهروزرسانی شده در می ۲۰۲۵.
این دوره اکنون دارای قابلیت Coursera Coach است!
روشی هوشمندانهتر برای یادگیری با گفتگوهای تعاملی و در لحظه که به شما کمک میکند تا دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
سفری جامع آموزشی را با برنامهنویسی بنیادی پایتون آغاز کنید، شامل نصب، مدیریت متغیرها و ساختارهای داده ضروری مانند لیستها، تاپلها و دیکشنریها. در محاسبات عددی با NumPy و مدیریت دادهها با Pandas مهارت کسب کنید.
پایههای ریاضی خود را با مفاهیم کلیدی جبر خطی که برای الگوریتمهای یادگیری ماشین حیاتی هستند، تقویت کنید. سپس به سراغ بصریسازی دادهها با استفاده از Matplotlib و Seaborn بروید تا دادهها را به طور موثر تفسیر و ارائه دهید. پایهای قوی در رگرسیون خطی ساده و گرادینت دیسنت (Gradient Descent) ایجاد کرده و تکنیکهای طبقهبندی با KNN و رگرسیون لجستیک را از طریق مطالعات موردی عملی بررسی کنید.
در الگوریتمهای پیشرفته یادگیری ماشین، از جمله تکنیکهای منظمسازی (Regularization) و مبانی یادگیری عمیق (Deep Learning) متناسب با کاربردهای NLP (پردازش زبان طبیعی) غوطهور شوید. در پایان دوره، درک استواری از پیادهسازی و بهینهسازی مدلهای یادگیری ماشین برای وظایف NLP خواهید داشت که شما را برای پروژههای پیشرفته و فرصتهای شغلی آماده میکند.
این دوره برای متقاضیان علوم داده، علاقهمندان به یادگیری ماشین و متخصصان NLP ایدهآل است و داشتن دانش مقدماتی پایتون و ریاضیات سطح دبیرستان برای آن لازم است.
سرفصل ها و درس ها
مبانی پایتون
Python Fundamentals
نصب پایتون و آناکوندا
Installation of Python and Anaconda
مقدمه پایتون
Python Introduction
متغیرها در پایتون
Variables in Python
عملیات عددی در پایتون
Numeric Operations in Python
عملیات منطقی
Logical Operations
حلقه If Else
If Else Loop
حلقه For و While
For While Loop
توابع
Functions
رشتهها: بخش اول
Strings: Part 1
رشتهها: بخش دوم
Strings: Part 2
لیستها: بخش اول
List: Part 1
لیستها: بخش دوم
List: Part 2
لیستها: بخش سوم
List: Part 3
لیستها: بخش چهارم
List: Part 4
تاپلها
Tuples
مجموعهها (Sets)
Sets
دیکشنریها
Dictionaries
درک لیستها (Comprehension)
Comprehension
کتابخانه NumPy
NumPy
مقدمه
Introduction
عملیات NumPy: بخش اول
NumPy Operations: Part 1
عملیات NumPy: بخش دوم
NumPy Operations: Part 2
کتابخانه Pandas
Pandas
مقدمه
Introduction
سریها (Series)
Series
دیتا فریم (DataFrame)
DataFrame
عملیات: بخش اول
Operations: Part 1
عملیات: بخش دوم
Operations: Part 2
اندیسها
Indexes
متدهای loc و iloc
loc and iloc
خواندن فایل CSV
Reading CSV
ادغام دادهها: بخش اول
Merging: Part 1
گروهبندی (groupby)
groupby
ادغام دادهها: بخش دوم
Merging: Part 2
جداول محوری (Pivot Tables)
Pivot Tables
مباحث کاربردی ریاضیات
Some Fun with Math
جبر خطی: بردارها
Linear Algebra: Vectors
جبر خطی: ماتریسها: بخش اول
Linear Algebra: Matrix: Part 1
جبر خطی: ماتریسها: بخش دوم
Linear Algebra: Matrix: Part 2
جبر خطی: انتقال از دو بعد به n-بعد: بخش اول
Linear Algebra: Going from 2D to nD: Part 1
جبر خطی: انتقال از دو بعد به n-بعد: بخش دوم
Linear Algebra: Going from 2D to nD: Part 2
بصریسازی دادهها
Data Visualization
کتابخانه Matplotlib
Matplotlib
کتابخانه Seaborn
Seaborn
مطالعه موردی
Case Study
استفاده از Seaborn برای دادههای سری زمانی
Seaborn on Time Series Data
رگرسیون خطی ساده
Simple Linear Regression
مقدمهای بر یادگیری ماشین
Introduction to Machine Learning
انواع یادگیری ماشین
Types of Machine Learning
مقدمهای بر رگرسیون خطی (LR)
Introduction to Linear Regression (LR)
رگرسیون خطی چگونه کار میکند؟
How LR Works?
ریاضیات پشت رگرسیون خطی
Some Fun with Math Behind LR
ضریب تعیین (R Square)
R Square
مطالعه موردی رگرسیون خطی: بخش اول
LR Case Study: Part 1
مطالعه موردی رگرسیون خطی: بخش دوم
LR Case Study: Part 2
مطالعه موردی رگرسیون خطی: بخش سوم
LR Case Study: Part 3
خطای مربع باقیمانده (RSE)
Residual Square Error (RSE)
گرادینت دیسنت (Gradient Descent)
Gradient Descent
پیشنیازهای گرادینت دیسنت: بخش اول
Prerequisite for Gradient Descent: Part 1
پیشنیازهای گرادینت دیسنت: بخش دوم
Prerequisite for Gradient Descent: Part 2
توابع هزینه (Cost Functions)
Cost Functions
تعریف رسمیتر توابع هزینه
Defining Cost Functions More Formally
گرادینت دیسنت
Gradient Descent
بهینهسازی
Optimization
فرم بسته در مقابل گرادینت دیسنت
Closed Form Versus Gradient Descent
مطالعه موردی گرادینت دیسنت
Gradient Descent Case Study
طبقهبندی با KNN
Classification with KNN
مقدمهای بر طبقهبندی (Classification)
Introduction to Classification
نمایش نظرات