آموزش یادگیری ماشین کامل 2023: 10 پروژه دنیای واقعی

The Complete Machine Learning 2023 : 10 Real World Projects

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: راهنمای کامل مبتدی تا خبره - تجسم داده ها، EDA، Numpy، پانداها، ریاضیات، آمار، Matplotlib، Seaborn، Scikit، NLP-NLTK آمار یادگیری ماشین پایتون و علوم ریاضی پردازش زبان طبیعی تجزیه و تحلیل داده ها تجسم داده ها پیش نیازها:

Data Scientist به عنوان شغل شماره یک در Glassdoor رتبه بندی شده است و طبق Indeed میانگین حقوق یک دانشمند داده در ایالات متحده بیش از 120000 دلار است! علم داده یک حرفه پربار است که به شما امکان می دهد برخی از جالب ترین مشکلات جهان را حل کنید!

این دوره هم برای مبتدیان با تجربه برنامه نویسی یا برای توسعه دهندگان با تجربه طراحی شده است که به دنبال پرش به علم داده هستند!

این دوره به این منظور ساخته شده است که در ابتدای سفر، تمام دانش لازم را در اختیار شما قرار دهد، به طوری که مجبور نباشید به عقب برگردید و در جای دیگری دوباره به موضوعات نگاه کنید. این دوره مقصد نهایی با تمام دانش، نکات و ترفندهایی است که برای شروع حرفه خود نیاز دارید.

راهنمای دقیقی در مورد فرآیند علم داده درگیر و الگوریتم‌های یادگیری ماشین ارائه می‌دهد. همه الگوریتم ها به طور مفصل پوشش داده شده اند تا زبان آموز به درک خوبی از مفاهیم دست یابد. اگرچه یادگیری ماشینی شامل استفاده از الگوریتم‌های از پیش توسعه‌یافته است، برای تبدیل واقعی یک مدل خوب به یک مدل عالی، باید درک روشنی از آنچه در پشت صحنه رخ می‌دهد داشته باشیم.

سفر عجیب و غریب ما شامل مفاهیم زیر خواهد بود:

  1. مقایسه بین هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و شبکه عصبی.

  2. علم داده چیست و نیازهای آن چیست.

  3. نیاز به یادگیری ماشین و معرفی NLP (پردازش زبان طبیعی) .

  4. انواع مختلف یادگیری ماشین - یادگیری تحت نظارت و بدون نظارت.

  5. یادگیری عملی پایتون از سطح مبتدی به طوری که حتی یک غیر برنامه نویس نیز می تواند سفر علم داده را به راحتی آغاز کند.

  6. همه کتابخانه‌های مهمی که برای کار بر روی چرخه زندگی یادگیری ماشین نیاز دارید.

  7. دوره کامل آمار برای اینکه مجبور نباشید دوره دیگری را برای آمار بگذرانید، ما همه آن را پوشش می دهیم.

  8. پاکسازی داده ها و تجزیه و تحلیل داده های اکتشافی با تمام نکات و ترفندهای زندگی واقعی که به شما برتری می دهد که فقط دانش مقدماتی دارد که معمولاً در دوره های مبتدی ارائه نمی شود.

  9. تمام ریاضیات پشت الگوریتم های پیچیده یادگیری ماشینی به زبانی ساده ارائه شده است تا درک و کار روی آن در آینده آسان شود.

  10. تمرین عملی روی بیش از 20 مجموعه داده مختلف برای شروع سریع و مزیت یادگیری کار بر روی مجموعه داده ها و مشکلات مختلف.

  11. بیش از 20 تکلیف و ارزیابی به شما این امکان را می دهد که در حال حرکت خود را ارزیابی و بهبود دهید.

  12. در مجموع 10 پروژه سطح مبتدی تا پیشرفته وجود دارد تا بتوانید مهارت های خود را آزمایش کنید.


سرفصل ها و درس ها

مقدمه ای بر علم داده و یادگیری ماشین Introduction to Data Science and Machine Learning

  • مقدمه ای بر علم داده و ML Introduction to Data Science and ML

  • مقدمه ای بر علم داده و ML Introduction to Data Science and ML

  • فرآیند و انواع ML ML Process and Types

مقدمه ای بر علم داده و یادگیری ماشین Introduction to Data Science and Machine Learning

  • فرآیند و انواع ML ML Process and Types

مبانی پایتون، تصمیم گیری و حلقه ها Python Basics, Decision Making and Loops

  • Python_Installation Python_Installation

  • Python_Installation Python_Installation

  • راهنمای تمرین پایتون Python Practice Guidelines

  • راهنمای تمرین پایتون Python Practice Guidelines

  • Python_Numbers Python_Numbers

  • Python_Numbers Python_Numbers

  • اعداد تمرین Practice Numbers

  • عملیات رشته String Operations

  • عملیات رشته String Operations

  • برش رشته String Slicing

  • رشته ها را تمرین کنید Practice Strings

  • رشته ها را تمرین کنید Practice Strings

  • توابع رشته را تمرین کنید Practice String Functions

  • لیست ها Lists

  • عملیات بولی Boolean Operations

  • عملیات بولی Boolean Operations

  • اگر شرایط دیگر If Else Conditions

  • حلقه های For و while For and While Loops

  • کارکرد Functions

  • کارکرد Functions

مبانی پایتون، تصمیم گیری و حلقه ها Python Basics, Decision Making and Loops

  • اعداد تمرین Practice Numbers

  • برش رشته String Slicing

  • توابع رشته را تمرین کنید Practice String Functions

  • لیست ها Lists

  • اگر شرایط دیگر If Else Conditions

  • حلقه های For و while For and While Loops

ساختارهای داده پایتون Python Data Structures

  • درک فهرست List comprehension

  • لغت نامه ها Dictionaries

  • مجموعه ها Sets

  • تاپل ها Tuples

  • تاپل ها Tuples

  • آرگومان های تابع پویا Dynamic Function Arguments

  • آرگومان های تابع پویا Dynamic Function Arguments

  • توابع لامبدا، نقشه، کاهش، فیلتر Lambda functions, Map, Reduce, Filter

  • توابع لامبدا، نقشه، کاهش، فیلتر Lambda functions, Map, Reduce, Filter

ساختارهای داده پایتون Python Data Structures

  • درک فهرست List comprehension

  • لغت نامه ها Dictionaries

  • مجموعه ها Sets

سوالات تمرین پایتون Python Practice Questions

  • مجموعه تمرین و فرهنگ لغت Practice Sets and Dictionary

  • فهرست تمرین درک مطلب List Comprehension Practice

  • فهرست تمرین درک مطلب List Comprehension Practice

  • توابع تمرین Functions Practice

  • تمرین توابع 2 Functions Practice 2

  • تمرین توابع 2 Functions Practice 2

  • درک رشته و فهرست را تمرین کنید Practice String and List Comprehension

  • درک رشته و فهرست را تمرین کنید Practice String and List Comprehension

  • توابع تمرین Practice Functions

سوالات تمرین پایتون Python Practice Questions

  • مجموعه تمرین و فرهنگ لغت Practice Sets and Dictionary

  • توابع تمرین Functions Practice

  • توابع تمرین Practice Functions

اوپس OOPS

  • معرفی OOPS Intro to OOPS

  • OOPS: بدون در مقابل با OOPS OOPS : Without vs with OOPS

  • OOPS: صفات اشیاء را طبقه بندی می کند OOPS: classes objects attributes

  • OOPS: روش‌ها OOPS: Methods

  • OOPS: ارث OOPS: Inheritance

  • OOPS: ارث OOPS: Inheritance

  • OOPS: چند شکلی OOPS: Polymorphism

  • OOPS: کپسولاسیون OOPS: Encapsulation

  • OOPS را تمرین کنید Practice OOPS

  • تخصیص پایتون Python Assignment

  • تخصیص پایتون Python Assignment

اوپس OOPS

  • معرفی OOPS Intro to OOPS

  • OOPS: بدون در مقابل با OOPS OOPS : Without vs with OOPS

  • OOPS: صفات اشیاء را طبقه بندی می کند OOPS: classes objects attributes

  • OOPS: روش‌ها OOPS: Methods

  • OOPS: چند شکلی OOPS: Polymorphism

  • OOPS: کپسولاسیون OOPS: Encapsulation

  • OOPS را تمرین کنید Practice OOPS

آمار توصیفی Descriptive Statistics

  • مقدمه ای بر آمار_جمعیت و نمونه گیری Introduction to Statistics_Population & Sampling

  • Measure Of Central Tendencies Mean Median Mode Measure Of Central Tendencies Mean Median Mode

  • Measure Of Central Tendencies Mean Median Mode Measure Of Central Tendencies Mean Median Mode

  • Measure Of Variability - Variance انحراف استاندارد IQR Measure Of Variability - Variance Standard Deviation IQR

  • همبستگی و کوواریانس توزیع های داده Data Diatributions Correlation & Covariance

  • آمار تشریحی سوالات تمرینی Descriptive statistics Practice questions

آمار توصیفی Descriptive Statistics

  • مقدمه ای بر آمار_جمعیت و نمونه گیری Introduction to Statistics_Population & Sampling

  • Measure Of Variability - Variance انحراف استاندارد IQR Measure Of Variability - Variance Standard Deviation IQR

  • همبستگی و کوواریانس توزیع های داده Data Diatributions Correlation & Covariance

  • آمار تشریحی سوالات تمرینی Descriptive statistics Practice questions

آمار استنباطی: مقدمه، قضیه حد مرکزی، Z-Score، CI Inferential Statistics: Intro, Central Limit Theorem,Z-Score,CI

  • مقدمه ای بر آمار استنباطی Intro to Inferential Statistics

  • انواع متغیر Variable Types

  • انواع متغیر Variable Types

  • تئوری حد مرکزی Central_Limit_Theorem

  • Z-Score Z-Score

  • فاصله اطمینان Confidence Interval

  • نمونه های CI CI examples

آمار استنباطی: مقدمه، قضیه حد مرکزی، Z-Score، CI Inferential Statistics: Intro, Central Limit Theorem,Z-Score,CI

  • مقدمه ای بر آمار استنباطی Intro to Inferential Statistics

  • تئوری حد مرکزی Central_Limit_Theorem

  • Z-Score Z-Score

  • فاصله اطمینان Confidence Interval

  • نمونه های CI CI examples

آزمایش فرضیه Hypothesis Testing

  • مقدمه تست فرضیه Hypothesis Testing Introduction

  • نظریه آزمون فرضیه توضیح داده شد Hypothesis Testing Theory Explained

  • نظریه آزمون فرضیه توضیح داده شد Hypothesis Testing Theory Explained

  • نوع خطا و تفاوت قابل توجه Type of Errors and Significant Difference

آزمایش فرضیه Hypothesis Testing

  • مقدمه تست فرضیه Hypothesis Testing Introduction

  • نوع خطا و تفاوت قابل توجه Type of Errors and Significant Difference

T-Test، Chi-Square، AnOVa Test و موارد دیگر T-Test, chi-Square , AnOVa Test and more

  • T-Tests T-Tests

  • تست مربع چی از خوبی تناسب Chi Square test of Goodness of Fit

  • تست مربع چی از خوبی تناسب Chi Square test of Goodness of Fit

  • تست میدان چی استقلال Chi Square test of Independance

  • آنوا Anova

  • کدام آزمون را انتخاب کنید Which test to pick

  • آمار با استفاده از Graphpad Statistics Using Graphpad

  • آمار با استفاده از Graphpad Statistics Using Graphpad

T-Test، Chi-Square، AnOVa Test و موارد دیگر T-Test, chi-Square , AnOVa Test and more

  • T-Tests T-Tests

  • تست میدان چی استقلال Chi Square test of Independance

  • آنوا Anova

  • کدام آزمون را انتخاب کنید Which test to pick

مطالعه موردی: آمار مجموعه داده های قیمت گذاری خانه Case Study: Statistics on House Pricing Data Set

  • مطالعه موردی آمار استنباطی Inferential Statistics Case Study

مطالعه موردی: آمار مجموعه داده های قیمت گذاری خانه Case Study: Statistics on House Pricing Data Set

  • مطالعه موردی آمار استنباطی Inferential Statistics Case Study

آماده سازی داده ها: Numpy، Pandas، کار با DataFrames Data Preparation : Numpy, Pandas, working with DataFrames

  • دستورالعمل های آماده سازی داده ها Data Preparation Guidelines

  • آماده سازی داده ها Data Preparation

  • آماده سازی داده ها Data Preparation

  • ناپخته Numpy

  • خواندن و نوشتن روی فایل ها Reading and Writing to files

  • خواندن و نوشتن روی فایل ها Reading and Writing to files

  • معرفی پانداها Pandas introduction

  • معرفی پانداها Pandas introduction

  • پانداها روی Dataframe Pandas on Dataframe

  • ادغام مرتب سازی پانداها Pandas Sorting Merging

  • ادغام مرتب سازی پانداها Pandas Sorting Merging

  • پانداها: پشته unstack melt Pandas: Stack unstack melt

آماده سازی داده ها: Numpy، Pandas، کار با DataFrames Data Preparation : Numpy, Pandas, working with DataFrames

  • دستورالعمل های آماده سازی داده ها Data Preparation Guidelines

  • ناپخته Numpy

  • پانداها روی Dataframe Pandas on Dataframe

  • پانداها: پشته unstack melt Pandas: Stack unstack melt

تجزیه و تحلیل عددی و تجسم داده ها Numerical Analysis, and Data Visualization

  • آماده سازی داده ها با استفاده از پانداها Data Preparation using Pandas

  • تجسم داده ها با استفاده از Matplotlib و Seaborn Data Visualization using Matplotlib and Seaborn

تجزیه و تحلیل عددی و تجسم داده ها Numerical Analysis, and Data Visualization

  • آماده سازی داده ها با استفاده از پانداها Data Preparation using Pandas

  • تجسم داده ها با استفاده از Matplotlib و Seaborn Data Visualization using Matplotlib and Seaborn

مطالعه موردی: مجموعه داده وام های آماده سازی داده Case Study: Data Preparation Loans DataSet

  • خلاصه عددی Numerical Summary

مطالعه موردی: مجموعه داده وام های آماده سازی داده Case Study: Data Preparation Loans DataSet

  • خلاصه عددی Numerical Summary

انتخاب ویژگی و آماده سازی داده ها (داده های ساختاری و متنی) Feature selection and Data Preparation (Structured and Text Data)

  • انتخاب ویژگی Feature Selection

  • کد انتخاب ویژگی Feature Selection Code

  • NLP_Text آماده سازی داده ها NLP_Text Data preparation

  • NLP_Text آماده سازی داده ها NLP_Text Data preparation

  • NLP_hands On NLP_hands On

  • تکالیف و راه حل های آماده سازی داده ها Data Preparation Assignments and Solutions

انتخاب ویژگی و آماده سازی داده ها (داده های ساختاری و متنی) Feature selection and Data Preparation (Structured and Text Data)

  • انتخاب ویژگی Feature Selection

  • کد انتخاب ویژگی Feature Selection Code

  • NLP_hands On NLP_hands On

  • تکالیف و راه حل های آماده سازی داده ها Data Preparation Assignments and Solutions

مدل سازی: یادگیری تحت نظارت Modelling : Supervised Learning

  • یادگیری تحت نظارت Supervised Learning

  • یادگیری تحت نظارت Supervised Learning

  • مقدمه رگرسیون خطی Linear Regression Introduction

  • خطی_رگرسیون_هزینه_گرادیانت_CV Linear_Regression_Cost_Gradient_CV

  • رگرسیون_خطی_پیاده سازی Linear Regression_Implementation

  • رگرسیون_خطی_پیاده سازی Linear Regression_Implementation

  • رگرسیون خطی_قاعده سازی Linear Regression_Regularization

  • رگرسیون لجستیک: مقدمه Logistic Regression: Introduction

  • رگرسیون لجستیک: مقدمه Logistic Regression: Introduction

  • رگرسیون لجستیک: ریاضیات Logistic Regression: Mathematics

  • رگرسیون لجستیک: متریک Logistic Regression: Metrics

  • رگرسیون لجستیک: کد Logistic Regression: Code

  • رگرسیون لجستیک: کد Logistic Regression: Code

  • Sklearn Metrics: توضیح داده شده است Sklearn Metrics: Explained

  • Sklearn Metrics: توضیح داده شده است Sklearn Metrics: Explained

  • درختان تصمیم: معرفی و تولید قانون Decision Trees: Introduction and Rule generation

  • Decision_Tree: شکافتن Decision_Tree: Splitting

  • Decision_Tree: شکافتن Decision_Tree: Splitting

  • درخت تصمیم: کد Decision Tree: code

  • آموزش گروهی Ensemble Learning

  • جنگل تصادفی: توضیح داده شد Random Forest: Explained

  • جنگل تصادفی: توضیح داده شد Random Forest: Explained

  • RandomizedSearchCV در مقابل GridSearchCV RandomizedSearchCV VS GridSearchCV

  • RandomizedSearchCV در مقابل GridSearchCV RandomizedSearchCV VS GridSearchCV

  • جنگل تصادفی: کد، اهمیت ویژگی و طرح وابستگی جزئی Random forest: Code, Feature Importance & Partial Dependance Plot

  • Boosting و AdaBoost توضیح داده شد Boosting and AdaBoost Explained

  • تقویت ریاضیات توضیح داد Boosting Mathematics Explained

  • تقویت کد و تنظیم هایپرپارامتر ترتیبی توضیح داده شده است Boosting Code and Sequential hyperparameter Tuning Explained

  • KNN: توضیح داد KNN: Explained

  • KNN: توضیح داد KNN: Explained

  • کد KNN KNN Code

  • کد KNN KNN Code

  • ساده لوح بیز: توضیح داد Naive Bayes: Explained

  • Naive Bayes: با NLP اجرا شد Naive Bayes: Implemented with NLP

  • SVM: مقدمه SVM: Introduction

  • SVM: مقدمه SVM: Introduction

  • SVM: فراپارامترها SVM: Hyperparameters

  • SVM: فراپارامترها SVM: Hyperparameters

  • SVM: کد با NLP SVM: Code with NLP

  • شبکه های عصبی Neural Networks

  • کد شبکه های عصبی Neural Networks Code

  • انباشته شدن توضیح داده شد Stacking Explained

  • انباشته شدن توضیح داده شد Stacking Explained

  • کد انباشته Stacking Code

  • خط لوله توضیح داده شد Pipeline Explained

  • خط لوله توضیح داده شد Pipeline Explained

  • کد خط لوله Pipeline Code

مدل سازی: یادگیری تحت نظارت Modelling : Supervised Learning

  • مقدمه رگرسیون خطی Linear Regression Introduction

  • خطی_رگرسیون_هزینه_گرادیانت_CV Linear_Regression_Cost_Gradient_CV

  • رگرسیون خطی_قاعده سازی Linear Regression_Regularization

  • رگرسیون لجستیک: ریاضیات Logistic Regression: Mathematics

  • رگرسیون لجستیک: متریک Logistic Regression: Metrics

  • درختان تصمیم: معرفی و تولید قانون Decision Trees: Introduction and Rule generation

  • درخت تصمیم: کد Decision Tree: code

  • آموزش گروهی Ensemble Learning

  • جنگل تصادفی: کد، اهمیت ویژگی و طرح وابستگی جزئی Random forest: Code, Feature Importance & Partial Dependance Plot

  • Boosting و AdaBoost توضیح داده شد Boosting and AdaBoost Explained

  • تقویت ریاضیات توضیح داد Boosting Mathematics Explained

  • تقویت کد و تنظیم هایپرپارامتر ترتیبی توضیح داده شده است Boosting Code and Sequential hyperparameter Tuning Explained

  • ساده لوح بیز: توضیح داد Naive Bayes: Explained

  • Naive Bayes: با NLP اجرا شد Naive Bayes: Implemented with NLP

  • SVM: کد با NLP SVM: Code with NLP

  • شبکه های عصبی Neural Networks

  • کد شبکه های عصبی Neural Networks Code

  • کد انباشته Stacking Code

  • کد خط لوله Pipeline Code

مدل سازی: یادگیری بدون نظارت Modelling : Unsupervised Learning

  • یادگیری بدون نظارت Unsupervised Learning

  • یادگیری بدون نظارت Unsupervised Learning

  • خوشه بندی سلسله مراتبی توضیح داده شد Hierarchical Clustering Explained

  • Sklearn Walkthrough و معیارهای یادگیری بدون نظارت Sklearn Walkthrough and Unsupervised Learning Metrics

  • کد خوشه بندی سلسله مراتبی Hierarchical Clustering Code

  • ک ـ معنی: توضیح داده شده K-Means: Explained

  • K-Means در مقابل خوشه بندی سلسله مراتبی K-Means Vs Hierarchical Clustering

  • K-Means در مقابل خوشه بندی سلسله مراتبی K-Means Vs Hierarchical Clustering

  • DBScan: توضیح داده شد DBScan: Explained

  • DBScan: توضیح داده شد DBScan: Explained

  • DBScan: کد DBScan: code

  • DBScan: کد DBScan: code

  • کاهش ابعاد: PCA Dimentionality Reduction: PCA

  • کاهش ابعاد: کد PCA Dimentionality Reduction: PCA code

  • کاهش ابعاد: کد PCA Dimentionality Reduction: PCA code

  • تکالیف مدلسازی یادگیری تحت نظارت و بدون نظارت Supervised and Unsupervised Learning Modelling Assignments

مدل سازی: یادگیری بدون نظارت Modelling : Unsupervised Learning

  • خوشه بندی سلسله مراتبی توضیح داده شد Hierarchical Clustering Explained

  • Sklearn Walkthrough و معیارهای یادگیری بدون نظارت Sklearn Walkthrough and Unsupervised Learning Metrics

  • کد خوشه بندی سلسله مراتبی Hierarchical Clustering Code

  • ک ـ معنی: توضیح داده شده K-Means: Explained

  • کاهش ابعاد: PCA Dimentionality Reduction: PCA

  • تکالیف مدلسازی یادگیری تحت نظارت و بدون نظارت Supervised and Unsupervised Learning Modelling Assignments

10 - پروژه های با راه حل 10 - Projects with Solutions

  • 01 بیان مشکل پروژه پایتون 01 Python Project Problem Statement

  • 01 راه حل پروژه پایتون 01 Python Project Solution

  • 01 راه حل پروژه پایتون 01 Python Project Solution

  • 02 - بیانیه مشکل پروژه پیش بینی قیمت خانه SL (مبتدی) 02 - SL House Price Prediction Regression Project Problem Statement (Beginner)

  • 02 راه حل پروژه 02 Project Solution

  • 03 - پروژه رگرسیون خطر اموال SL (صنعت) - مشکل 03 - SL Property Hazard Regression Project (Industry) - Problem

  • 03 - پروژه رگرسیون خطر اموال SL (صنعت) - مشکل 03 - SL Property Hazard Regression Project (Industry) - Problem

  • 03 راه حل پروژه 03 Project Solution

  • 03 راه حل پروژه 03 Project Solution

  • 04 - پروژه رگرسیون پیش بینی قیمت خودرو (خودرو) - مشکل 04 - Vehicle Price Prediction Regression Project (Automobile) - Problem

  • 04 - پروژه رگرسیون پیش بینی قیمت خودرو (خودرو) - مشکل 04 - Vehicle Price Prediction Regression Project (Automobile) - Problem

  • 04 راه حل پروژه 04 Project Solution

  • 05 - پروژه طبقه بندی تقلب در کارت اعتباری - مشکل 05 - Credit card Fraud Detection Classification Project - Problem

  • 05 - پروژه طبقه بندی تقلب در کارت اعتباری - مشکل 05 - Credit card Fraud Detection Classification Project - Problem

  • 05 راه حل پروژه 05 Project Solution

  • 05 راه حل پروژه 05 Project Solution

  • 06 - پروژه طبقه بندی املاک ناخواسته (صنعت) - مشکل 06 - Junk Property Classification Project (Industry) - Problem

  • 06 راه حل پروژه 06 Project Solution

  • 07 - پروژه طبقه بندی پیش بینی راننده ایمن (خودرو) - مشکل 07 - Safe Driver Prediction Classification Project (Automobile) - Problem

  • 07 - پروژه طبقه بندی پیش بینی راننده ایمن (خودرو) - مشکل 07 - Safe Driver Prediction Classification Project (Automobile) - Problem

  • 07 راه حل پروژه 07 Project Solution

  • 08 - پروژه طبقه بندی پیش بینی ریزش کارکنان (صنعت 2) - مشکل 08 - Employee Churn Prediction Classification Project(Industry 2) - Problem

  • 08 راه حل پروژه 08 Project Solution

  • 08 راه حل پروژه 08 Project Solution

  • 09 - پروژه طبقه بندی داده های متنی IMDB (NLP) - مشکل 09 - IMDB Text Data Classification Project(NLP) - Problem

  • 09 - پروژه طبقه بندی داده های متنی IMDB (NLP) - مشکل 09 - IMDB Text Data Classification Project(NLP) - Problem

  • 09 راه حل پروژه 09 Project Solution

  • 10 - پروژه تقسیم بندی بازار نوجوان - مشکل 10 - Teen Market Segmentation Project - Problem

  • 10 راه حل پروژه 10 Project Solution

  • 10 راه حل پروژه 10 Project Solution

10 - پروژه های با راه حل 10 - Projects with Solutions

  • 01 بیان مشکل پروژه پایتون 01 Python Project Problem Statement

  • 02 - بیانیه مشکل پروژه پیش بینی قیمت خانه SL (مبتدی) 02 - SL House Price Prediction Regression Project Problem Statement (Beginner)

  • 02 راه حل پروژه 02 Project Solution

  • 04 راه حل پروژه 04 Project Solution

  • 06 - پروژه طبقه بندی املاک ناخواسته (صنعت) - مشکل 06 - Junk Property Classification Project (Industry) - Problem

  • 06 راه حل پروژه 06 Project Solution

  • 07 راه حل پروژه 07 Project Solution

  • 08 - پروژه طبقه بندی پیش بینی ریزش کارکنان (صنعت 2) - مشکل 08 - Employee Churn Prediction Classification Project(Industry 2) - Problem

  • 09 راه حل پروژه 09 Project Solution

  • 10 - پروژه تقسیم بندی بازار نوجوان - مشکل 10 - Teen Market Segmentation Project - Problem

نمایش نظرات

نظری ارسال نشده است.

آموزش یادگیری ماشین کامل 2023: 10 پروژه دنیای واقعی
خرید اشتراک و دانلود خرید تکی و دانلود | 360,000 تومان (6 روز مهلت دانلود) در صورت خرید اشتراک، این آموزش بدلیل حجم بالا معادل 3 دوره است و 3 دوره از اشتراک شما کم می شود. زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
37.5 hours
137
Udemy (یودمی) udemy-small
29 آبان 1401 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
4,013
4.5 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

MG Analytics MG Analytics

دانشمند داده و مربی حرفه ای

MG Analytics MG Analytics

دانشمند داده و مربی حرفه ای

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.