تسلط بر مبانی علم داده و یادگیری ماشین [ویدئو]

Mastering Data Science and Machine Learning Fundamentals [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشینی کلید توسعه در بسیاری از زمینه ها مانند فناوری اطلاعات، امنیت، بازاریابی، اتوماسیون و حتی پزشکی است. بدون یادگیری ماشین، ساخت اپلیکیشن ها و دستگاه های هوشمند مانند الکسا، سیری و دستیار گوگل غیرممکن است. این دوره به آشنایی با علم داده و یادگیری ماشین کمک می کند. این دوره با مقدمه ای بر علم داده شروع می شود و اصطلاحات مختلف مرتبط با آن را توضیح می دهد. همچنین با یادگیری ماشین و مدل‌سازی علم داده آشنا می‌شوید و تفاوت‌های کلیدی بین پارامترهای مدل و فراپارامترها را بررسی می‌کنید. در ادامه با مفاهیم مدل های یادگیری ماشین مانند رگرسیون خطی، درخت تصمیم، جنگل های تصادفی، شبکه های عصبی و تکنیک های خوشه بندی آشنا خواهید شد. در پایان، یاد خواهید گرفت که چگونه مدل‌های یادگیری ماشینی را ارزیابی کنید و بهترین روش‌ها را برای موفقیت در نقش دانشمند داده خود بیاموزید. در پایان این دوره، شما درک کاملی از مبانی علم داده و یادگیری ماشین خواهید داشت. با اصطلاحات علم داده و یادگیری ماشین آشنا شوید بین پارامترهای مدل و فراپارامترها تمایز قائل شوید بین یادگیری تحت نظارت و بدون نظارت تمایز قائل شوید نحوه عملکرد درختان تصمیم، کیسه‌بندی و جنگل‌های تصادفی را کشف کنید اهمیت الگوریتم k نزدیکترین همسایه (KNN) در یادگیری ماشین را درک کنید با شبکه های عصبی و تکنیک های خوشه بندی آشنا شوید ارزیابی عملکرد مدل های یادگیری ماشینی این دوره برای دانش آموزان و مبتدیانی طراحی شده است که می خواهند مفاهیم، ​​آمار و ریاضیات پشت الگوریتم های یادگیری ماشین را درک کنند و برای کسانی که کنجکاو هستند مسائل دنیای واقعی را با استفاده از یادگیری ماشین و علم داده حل کنند. همه چیز از ابتدا آموزش داده می شود. از این رو، هیچ پیش نیازی برای شروع این دوره وجود ندارد. اصول علم داده، یادگیری ماشین و داده کاوی را بیاموزید * تکنیک های جالب ارزیابی مدل یادگیری ماشین را بیاموزید * بهترین شیوه ها را برای حل مشکلات دنیای واقعی با استفاده از یادگیری ماشین کشف کنید.

سرفصل ها و درس ها

خوش آمدید و معرفی Welcome and Introduction

  • خوش آمدی Welcome

  • مقدمه ای بر علم داده Introduction to Data Science

الزامات اولیه برای درک علم داده و یادگیری ماشین Preliminary Requirements to Understand Data Science and Machine Learning

  • درک اصطلاحات علم داده Understanding Data Science Terms

  • درک یادگیری ماشینی Understanding Machine Learning

  • انواع یادگیری Types of Learning

  • درک مدلسازی علم داده Understanding Data Science Modeling

  • پارامترهای مدل در مقابل فراپارامترها Model parameters versus Hyperparameters

مدل های یادگیری ماشین Machine Learning Models

  • رگرسیون خطی چگونه کار می کند How Linear Regression Works

  • درختان تصمیم چگونه کار می کنند How Decision Trees Work

  • چگونه بگینگ و جنگل تصادفی کار می کنند How Bagging and Random Forest Work

  • چگونه ماشین بردار پشتیبانی کار می کند How Support Vector Machine Works

  • شبکه های عصبی - قسمت 1 Neural Networks- Part 1

  • شبکه های عصبی - قسمت 2 Neural Networks- Part 2

  • رگرسیون لجستیک چگونه کار می کند How Logistic Regression Works

  • چگونه k-نزدیکترین همسایه (KNN) کار می کند How k-nearest neighbour (KNN) Works

  • تکنیک های خوشه بندی Clustering Techniques

عملکرد مدل Model Performance

  • ارزیابی عملکرد مدل ها Evaluating Models Performance

بهترین روش ها برای یک دانشمند داده Best Practices for a Data Scientist

  • بهترین روش ها برای یک دانشمند داده Best Practices for a Data Scientist

نمایش نظرات

تسلط بر مبانی علم داده و یادگیری ماشین [ویدئو]
جزییات دوره
1 h 48 m
18
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
AI Sciences
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

AI Sciences AI Sciences

کارشناسان هوش مصنوعی و دانشمندان داده | رتبه ۴+ | 168+ کشور