پروژه های یادگیری ماشین: از مبتدی تا حرفه ای [ویدئو]

سرفصل ها و درس ها

مقدمه ای بر یادگیری ماشینی (ML) Introduction to Machine Learning (ML)

• معرفی Introduction

• یادگیری ماشینی (ML) چیست؟ What is Machine Learning (ML)?

• انواع و کاربردهای یادگیری ماشینی (ML) Types and Applications of Machine Learning (ML)

• هوش مصنوعی (AI) در مقابل یادگیری ماشینی (ML) Artificial Intelligence (AI) versus Machine Learning (ML)

• ریاضیات ضروری برای یادگیری ماشین (ML) و هوش مصنوعی (AI) Essential Mathematics for Machine Learning (ML) and Artificial Intelligence (AI)

یادگیری تحت نظارت - بخش 1 Supervised Learning – Part 1

• مقدمه ای بر یادگیری تحت نظارت Introduction to Supervised Learning

• روش های خطی برای طبقه بندی Linear Methods for Classification

• روش های خطی برای رگرسیون Linear Methods for Regression

• ماشین‌های بردار پشتیبانی (SVM) Support Vector Machines (SVM)

• بسط های اساسی Basic Expansions

• مراحل انتخاب مدل Model Selection Procedures

• جایزه! پروژه یادگیری تحت نظارت در پایتون – قسمت 1 Bonus! Supervised Learning Project in Python – Part 1

• جایزه! پروژه یادگیری نظارت شده در پایتون – قسمت 2 Bonus! Supervised Learning Project in Python – Part 2

یادگیری بدون نظارت Unsupervised Learning

• مقدمه ای بر یادگیری بدون نظارت Introduction to Unsupervised Learning

• قوانین انجمن Association Rules

• آنالیز خوشه ای Cluster Analysis

• یادگیری تقویتی Reinforcement Learning

• جایزه! پروژه خوشه بندی K-Means Bonus! K-Means Clustering Project

شبکه های عصبی Neural Networks

• مقدمه ای بر شبکه های عصبی Introduction to Neural Networks

• پرسپترون Perceptron

• الگوریتم پس انتشار Backpropagation Algorithm

• رویه های آموزشی Training Procedures

• شبکه عصبی کانولوشنال (CNN) Convolutional Neural Network (CNN)

یادگیری ماشینی در دنیای واقعی (ML) Real-world Machine Learning (ML)

• مقدمه ای بر یادگیری ماشینی در دنیای واقعی (ML) Introduction to Real-world Machine Learning (ML)

• انتخاب الگوریتم Choosing an Algorithm

• طراحی و تحلیل تجربیات یادگیری ماشینی (ML). Design and Analysis of Machine Learning (ML) Experiments

• نرم افزار رایج برای یادگیری ماشین (ML) Common Software for Machine Learning (ML)

پروژه نهایی Final Project

• راه اندازی OpenAI Gym Setting up OpenAI Gym

• ساخت و آموزش شبکه – قسمت 1 Building and Training the Network – Part 1

• ساخت و آموزش شبکه – قسمت 2 Building and Training the Network – Part 2

پروژه 1 - پیش بینی بررسی بازی های تخته ای Project 1 - Board Game Review Prediction

• معرفی Introduction

• ساخت مجموعه داده – قسمت 1 Building the Dataset – Part 1

• ساخت مجموعه داده – قسمت 2 Building the Dataset – Part 2

• مدل های آموزشی Training Models

پروژه 2 - شناسایی تقلب در کارت اعتباری t Project 2 - Credit Card Fraud Detection t

• معرفی Introduction

• شناسایی تقلب کارت اعتباری - مجموعه داده Credit Card Fraud Detection - Dataset

• تشخیص تقلب کارت اعتباری - الگوریتم ها Credit Card Fraud Detection - Algorithms

پروژه 3 – شروع به پردازش زبان طبیعی (NLP) در پایتون Project 3 – Getting Started with Natural Language Processing (NLP) in Python

• معرفی Introduction

• Tokenizing، Stopwords و Stemming Tokenizing, Stopwords, and Stemming

• برچسب گذاری، تکه تکه کردن، و شناسایی موجودیت نامگذاری شده Tagging, Chunking, and Named Entity Recognition

• طبقه بندی متن Text Classification

پروژه 4 - به دست آوردن عملکرد تقریباً پیشرفته در وظایف تشخیص اشیا با استفاده از یادگیری عمیق Project 4 – Obtaining Near State-of-the-art Performance on Object Recognition Tasks Using Deep Learning

• معرفی Introduction

• بارگیری و پیش پردازش موسسه کانادایی برای تحقیقات پیشرفته - مجموعه داده 10 (CIFAR-10) Loading and Preprocessing the Canadian Institute For Advanced Research – 10 (CIFAR-10) Dataset

• ساخت و استقرار شبکه عصبی تمام کانولوشنال (CNN) - قسمت 1 Building and Deploying the All-Convolutional Neural Network (CNN) Network – Part 1

• ساخت و استقرار شبکه عصبی تمام کانولوشنال (CNN) - قسمت 2 Building and Deploying the All- Convolutional Neural Network (CNN) Network – Part 2

پروژه 5 – وضوح تصویر فوق العاده با شبکه عصبی پیچش سوپر رزولوشن (SRCNN) Project 5 – Image Super-resolution with the Super-Resolution Convolution Neural Network (SRCNN)

• معرفی Introduction

• معیارهای کیفیت و پیش پردازش تصاویر Quality Metrics and Preprocessing Images

• وضوح تصویر فوق العاده با استفاده از یادگیری عمیق Image Super-resolution Using Deep Learning

پروژه 6 - پردازش زبان طبیعی (NLP): طبقه بندی متن Project 6 – Natural Language Processing (NLP): Text Classification

• معرفی Introduction

• مهندسی ویژگی Feature Engineering

• استقرار Scikit-learn (Sklearn) Classifiers Deploying Scikit-learn (Sklearn) Classifiers

پروژه 7 - K-means Clustering برای تجزیه و تحلیل تصویر Project 7 – K-means Clustering for Image Analysis

• معرفی Introduction

• پیش پردازش تصاویر برای خوشه بندی Preprocessing Images for Clustering

• ارزیابی و تجسم Evaluation and Visualization

پروژه 8 - فشرده سازی و تجسم داده ها با استفاده از تجزیه و تحلیل اجزای اصلی (PCA) Project 8 – Data Compression and Visualization Using Principal Component Analysis (PCA)

• معرفی Introduction

• روش آرنج Elbow Method

• فشرده سازی و تجسم تجزیه و تحلیل اجزای اصلی (PCA). Principal Component Analysis (PCA) Compression and Visualization