لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات