لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی علم 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:
این دوره دارای قابلیت Coursera Coach است!
روشی هوشمندانهتر برای یادگیری با گفتگوهای تعاملی و در لحظه که به شما کمک میکند تا دانش خود را بیازمایید، پیشفرضها را به چالش بکشید و در طول مسیر دوره، درک خود را عمیقتر کنید.
سفری عملی را در دنیای علم داده و یادگیری ماشین با زبان پایتون آغاز کنید. در این دوره، شما درک عمیقی از مفاهیم محوری علم داده و تکنیکهای یادگیری ماشین به دست خواهید آورد و همزمان بر کتابخانههای ضروری پایتون مسلط میشوید. شما مهارتهای لازم برای تحلیل مجموعهدادهها، بصریسازی نتایج و بهکارگیری مدلهای یادگیری ماشین روی دادههای واقعی را کسب خواهید کرد.
دوره با معرفی مدیریت دادهها، شامل نصب ابزارهای ضروری مانند Anaconda و سپس یک دوره فشرده پایتون آغاز میشود. پس از آن، مفاهیم بنیادی آمار و کاربرد آنها را با استفاده از پایتون بررسی خواهید کرد. در ادامه، به ساخت مدلهای پیشبین، از رگرسیون خطی گرفته تا رگرسیون چندجملهای و چندگانه و درک کاربردهای واقعی آنها میپردازیم.
با پیشروی در دوره، وارد تکنیکهای یادگیری ماشین مانند یادگیری نظارت شده و نظارت نشده، از جمله درختهای تصمیم، ماشینهای بردار پشتیبان (SVM) و روشهای یادگیری گروهی مانند XGBoost خواهید شد. در نهایت، نحوه ساخت سیستمهای توصیهگر را میآموزید که به شما در درک پیچیدگیهای فیلترینگ مشارکتی و بهبود پیشبینیهای مدل کمک میکند.
این دوره برای افرادی که مشتاق ورود به دنیای علم داده و یادگیری ماشین هستند و همچنین کسانی که میخواهند مهارتهای پایتون خود را برای رشد حرفهای ارتقا دهند، ایدهآل است. این دوره پیشفرض را بر آشنایی اولیه با مفاهیم برنامهنویسی قرار داده و برای مبتدیان این حوزه کاملاً مناسب است.
سرفصل ها و درس ها
شروع به کار
Getting Started
معرفی تخصص
Introduction to Specialization
[فعالیت] ویندوز: نصب و استفاده از Anaconda و مطالب دوره
[Activity] Windows: Installing and Using Anaconda and Course Materials
[فعالیت] مک: نصب و استفاده از Anaconda و مطالب دوره
[Activity] MAC: Installing and Using Anaconda and Course Materials
[فعالیت] لینوکس: نصب و استفاده از Anaconda و مطالب دوره
[Activity] Linux: Installing and Using Anaconda and Course Materials
مبانی پایتون، بخش اول [اختیاری]
Python Basics, Part 1 [Optional]
[فعالیت] مبانی پایتون، بخش دوم [اختیاری]
[Activity] Python Basics, Part 2 [Optional]
[فعالیت] مبانی پایتون، بخش سوم [اختیاری]
[Activity] Python Basics, Part 3 [Optional]
[فعالیت] مبانی پایتون، بخش چهارم [اختیاری]
[Activity] Python Basics, Part 4 [Optional]
معرفی کتابخانه Pandas [اختیاری]
Introducing the Pandas Library [Optional]
مرور آمار و احتمال و تمرین پایتون
Statistics and Probability Refresher, and Python Practice
انواع دادهها (عددی، طبقهبندی شده، ترتیبی)
Types of Data (Numerical, Categorical, Ordinal)
میانگین، میانه، مد
Mean, Median, Mode
[فعالیت] استفاده از میانگین، میانه و مد در پایتون
[Activity] Using Mean, Median, and Mode in Python
[فعالیت] واریانس و انحراف معیار
[Activity] Variation and Standard Deviation
تابع چگالی احتمال؛ تابع جرم احتمال
Probability Density Function; Probability Mass Function
توزیعهای رایج دادهها (نرمال، دوجملهای، پوآسون و غیره)
Common Data Distributions (Normal, Binomial, Poisson, and So On)
[فعالیت] صدکها و گشتاورها
[Activity] Percentiles and Moments
[فعالیت] دوره فشرده matplotlib
[Activity] A Crash Course in matplotlib
[فعالیت] بصریسازی پیشرفته با Seaborn
[Activity] Advanced Visualization with Seaborn
[فعالیت] کوواریانس و همبستگی
[Activity] Covariance and Correlation
[تمرین] احتمال شرطی
[Exercise] Conditional Probability
پاسخ تمرین: احتمال شرطی خرید بر اساس سن
Exercise Solution: Conditional Probability of Purchase by Age
[فعالیت] رگرسیون چندگانه و پیشبینی قیمت خودرو
[Activity] Multiple Regression and Predicting Car Prices
مدلهای چندسطحی
Multi-Level Models
یادگیری ماشین با پایتون
Machine Learning with Python
یادگیری نظارت شده در مقابل نظارت نشده، و دادههای آموزش/آزمون
Supervised Versus Unsupervised Learning, and Train/Test
[فعالیت] استفاده از آموزش/آزمون برای جلوگیری از بیشبرازش در رگرسیون چندجملهای
[Activity] Using Train/Test to Prevent Overfitting a Polynomial Regression
روشهای بیزی: مفاهیم
Bayesian Methods: Concepts
[فعالیت] پیادهسازی طبقهبندیکننده اسپم با Naive Bayes
[Activity] Implementing a Spam Classifier with Naive Bayes
خوشهبندی K-Means
K-Means Clustering
[فعالیت] خوشهبندی افراد بر اساس درآمد و سن
[Activity] Clustering People Based on Income and Age
نمایش نظرات