آموزش کامل پایتون برای علم داده و یادگیری ماشین از صفر تا صد - آخرین آپدیت

سرفصل ها و درس ها

نصب‌ها Installations

• نصب توزیع آناکوندا برای ویندوز Installing Anaconda Distribution for Windows

• نصب توزیع آناکوندا برای مک‌اواس Installing Anaconda Distribution for MacOs

• نصب توزیع آناکوندا برای لینوکس Installing Anaconda Distribution for Linux

• مروری بر ژوپیتر نوت‌بوک Reviewing The Jupyter Notebook

• مروری بر ژوپیتر لب Reviewing The Jupyter Lab

اولین قدم به سوی کدنویسی First Step to Coding

• معرفی پایتون Python Introduction

• فایل‌های پروژه Project Files

• اولین قدم به سوی کدنویسی First Step to Coding

• استفاده از علامت نقل قول در کدنویسی پایتون Using Quotation Marks in Python Coding

• فرم و استایل کدنویسی چگونه باید باشد (Pep8) How Should the Coding Form and Style Be (Pep8)

• آزمون Quiz

عملیات اساسی با پایتون Basic Operations with Python

• معرفی ساختارهای داده پایه در پایتون Introduction to Basic Data Structures in Python

• انجام انتساب به متغیرها Performing Assignment to Variables

• انجام انتساب پیچیده به متغیرها Performing Complex Assignment to Variables

• تبدیل نوع Type Conversion

• عملیات حسابی در پایتون Arithmetic Operations in Python

• بررسی عمیق تابع Print Examining the Print Function in Depth

• عملیات Escape Sequence Escape Sequence Operations

• آزمون Quiz

نوع داده بولی در زبان برنامه‌نویسی پایتون Boolean Data Type in Python Programming Language

• عبارات منطقی بولی Boolean Logic Expressions

• ترتیب عملیات در عملگرهای بولی Order Of Operations In Boolean Operators

• تمرین با پایتون Practice with Python

• آزمون Quiz

نوع داده رشته در زبان برنامه‌نویسی پایتون String Data Type in Python Programming Language

• بررسی ویژه رشته‌ها Examining Strings Specifically

• دسترسی به اطلاعات طول (متد Len) Accessing Length Information (Len Method)

• متد جستجو در رشته‌ها Startswith()، Endswith() Search Method In Strings Startswith(), Endswith()

• متد تغییر کاراکتر در رشته‌ها Replace() Character Change Method In Strings Replace()

• متدهای جایگزینی املا در رشته Spelling Substitution Methods in String

• متدهای برش کاراکتر در رشته Character Clipping Methods in String

• نمایه‌گذاری و برش رشته کاراکتری Indexing and Slicing Character String

• نمایه‌گذاری و برش پیچیده عملیات Complex Indexing and Slicing Operations

• قالب‌بندی رشته با عملیات حسابی String Formatting with Arithmetic Operations

• قالب‌بندی رشته با عملگر % String Formatting With % Operator

• قالب‌بندی رشته با متد String.Format String Formatting With String.Format Method

• قالب‌بندی رشته با متد f-string String Formatting With f-string Method

• آزمون Quiz

ساختار داده لیست در زبان برنامه‌نویسی پایتون List Data Structure in Python Programming Language

• ایجاد لیست Creation of List

• دسترسی به عناصر لیست - نمایه‌گذاری و برش Reaching List Elements – Indexing and Slicing

• افزودن و اصلاح و حذف عناصر لیست Adding & Modifying & Deleting Elements of List

• افزودن و حذف با متدها Adding and Deleting by Methods

• افزودن و حذف بر اساس اندیس Adding and Deleting by Index

• دیگر متدهای لیست Other List Methods

• آزمون Quiz

ساختار داده تاپل در زبان برنامه‌نویسی پایتون Tuple Data Structure in Python Programming Language

• ایجاد تاپل Creation of Tuple

• دسترسی به عناصر تاپل نمایه‌گذاری و برش Reaching Tuple Elements Indexing And Slicing

• آزمون Quiz

ساختار داده دیکشنری در زبان برنامه‌نویسی پایتون Dictionary Data Structure in Python Programming Language

• ایجاد دیکشنری Creation of Dictionary

• دسترسی به عناصر دیکشنری Reaching Dictionary Elements

• افزودن و تغییر و حذف عناصر در دیکشنری Adding & Changing & Deleting Elements in Dictionary

• متدهای دیکشنری Dictionary Methods

• آزمون Quiz

ساختار داده مجموعه در زبان برنامه‌نویسی پایتون Set Data Structure in Python Programming Language

• ایجاد مجموعه Creation of Set

• متدهای افزودن و حذف عناصر در مجموعه‌ها Adding & Removing Elements Methods in Sets

• متدهای عملیات تفاضل در مجموعه‌ها Difference Operation Methods In Sets

• متدهای اشتراک و اجتماع در مجموعه‌ها Intersection & Union Methods In Sets

• پرسیدن سوال از مجموعه‌ها با متدها Asking Questions to Sets with Methods

• آزمون Quiz

عبارات شرطی در زبان برنامه‌نویسی پایتون Conditional Expressions in Python Programming Language

• عملگرهای مقایسه‌ای Comparison Operators

• ساختار دستورات “if” Structure of “if” Statements

• ساختار دستورات “if-else” Structure of “if-else” Statements

• ساختار دستورات “if-elif-else” Structure of “if-elif-else” Statements

• ساختار دستورات تودرتوی “if-elif-else” Structure of Nested “if-elif-else” Statements

• برنامه‌نویسی هماهنگ با “IF” و “INPUT” Coordinated Programming with “IF” and “INPUT”

• شرط سه‌گانه Ternary Condition

• آزمون Quiz

حلقه For در زبان برنامه‌نویسی پایتون For Loop in Python Programming Language

• حلقه For در پایتون For Loop in Python

• حلقه For در پایتون (تقویت موضوع) For Loop in Python(Reinforcing the Topic)

• استفاده از عبارات شرطی و حلقه For با هم Using Conditional Expressions and For Loop Together

• دستور Continue Continue Command

• دستور Break Break Command

• فهرست ادراکی List Comprehension

• آزمون Quiz

حلقه While در زبان برنامه‌نویسی پایتون While Loop in Python Programming Language

• حلقه While در پایتون While Loop in Python

• حلقه‌های While در پایتون تقویت موضوع While Loops in Python Reinforcing the Topic

• آزمون Quiz

توابع در زبان برنامه‌نویسی پایتون Functions in Python Programming Language

• آشنایی با توابع Getting know to the Functions

• نحوه نوشتن تابع How to Write Function

• عبارت Return در توابع Return Expression in Functions

• نوشتن توابع با آرگومان چندگانه Writing Functions with Multiple Argument

• نوشتن Docstring در توابع Writing Docstring in Functions

• استفاده از توابع و عبارات شرطی با هم Using Functions and Conditional Expressions Together

• آزمون Quiz

آرگومان‌ها و پارامترها در زبان برنامه‌نویسی پایتون Arguments And Parameters in Python Programming Language

• آرگومان‌ها و پارامترها Arguments and Parameters

• عملیات سطح بالا با آرگومان‌ها High Level Operations with Arguments

• آزمون Quiz

پرتکرارترین توابع در زبان برنامه‌نویسی پایتون Most Used Functions in Python Programming Language

• توابع all()، any() all(), any() Functions

• تابع map() map() Function

• تابع filter() filter() Function

• تابع zip() zip() Function

• تابع enumerate() enumerate() Function

• توابع max()، min() max(), min() Functions

• تابع sum() sum() Function

• تابع round() round() Function

• تابع Lambda Lambda Function

• آزمون Quiz

ساختار کلاس در زبان برنامه‌نویسی پایتون Class Structure in Python Programming Language

• متغیرهای محلی و سراسری Local and Global Variables

• ویژگی‌های کلاس Features of Class

• نمونه‌سازی کلاس Instantiation of Class

• صفت نمونه‌سازی Attribute of Instantiation

• نوشتن تابع در کلاس Write Function in the Class

• ساختار وراثت Inheritance Structure

مقدمه‌ای بر کتابخانه NumPy NumPy Library Introduction

• معرفی کتابخانه NumPy Introduction to NumPy Library

• لینک فایل‌های پروژه نوت‌بوک در رابطه با کتابخانه زبان برنامه‌نویسی پایتون NumPy Notebook Project Files Link regarding NumPy Python Programming Language Library

• قدرت NumPy The Power of NumPy

• آزمون Quiz

ایجاد آرایه NumPy در پایتون Creating NumPy Array in Python

• ایجاد آرایه NumPy با تابع Array() Creating NumPy Array with The Array() Function

• ایجاد آرایه NumPy با تابع Zeros() Creating NumPy Array with Zeros() Function

• ایجاد آرایه NumPy با تابع Ones() Creating NumPy Array with Ones() Function

• ایجاد آرایه NumPy با تابع Full() Creating NumPy Array with Full() Function

• ایجاد آرایه NumPy با تابع Arange() Creating NumPy Array with Arange() Function

• ایجاد آرایه NumPy با تابع Eye() Creating NumPy Array with Eye() Function

• ایجاد آرایه NumPy با تابع Linspace() Creating NumPy Array with Linspace() Function

• ایجاد آرایه NumPy با تابع Random() Creating NumPy Array with Random() Function

• خصوصیات آرایه NumPy Properties of NumPy Array

• آزمون Quiz

توابع در کتابخانه NumPy Functions in the NumPy Library

• تغییر شکل آرایه NumPy: تابع Reshape() Reshaping a NumPy Array: Reshape() Function

• شناسایی بزرگترین عنصر یک آرایه Numpy Identifying the Largest Element of a Numpy Array

• تشخیص کوچکترین عنصر آرایه Numpy: Min()، Ar Detecting Least Element of Numpy Array: Min(), Ar

• الحاق آرایه‌های Numpy: تابع Concatenate() Concatenating Numpy Arrays: Concatenate() Functio

• تقسیم آرایه‌های Numpy یک‌بعدی: Split Splitting One-Dimensional Numpy Arrays: The Split

• تقسیم آرایه‌های Numpy دوبعدی: Split()، Splitting Two-Dimensional Numpy Arrays: Split(),

• مرتب‌سازی آرایه‌های Numpy: تابع Sort() Sorting Numpy Arrays: Sort() Function

• آزمون Quiz

نمایه‌گذاری، برش و انتساب آرایه‌های NumPy Indexing, Slicing, and Assigning NumPy Arrays

• نمایه‌گذاری آرایه‌های Numpy Indexing Numpy Arrays

• برش آرایه‌های Numpy یک‌بعدی Slicing One-Dimensional Numpy Arrays

• برش آرایه‌های Numpy دوبعدی Slicing Two-Dimensional Numpy Arrays

• انتساب مقدار به آرایه‌های یک‌بعدی Assigning Value to One-Dimensional Arrays

• انتساب مقدار به آرایه دوبعدی Assigning Value to Two-Dimensional Array

• نمایه‌گذاری فانتزی آرایه‌های یک‌بعدی Fancy Indexing of One-Dimensional Arrrays

• نمایه‌گذاری فانتزی آرایه‌های دوبعدی Fancy Indexing of Two-Dimensional Arrrays

• ترکیب اندیس فانتزی با نمایه‌گذاری معمولی Combining Fancy Index with Normal Indexing

• ترکیب اندیس فانتزی با برش معمولی Combining Fancy Index with Normal Slicing

عملیات در کتابخانه Numpy Operations in Numpy Library

• عملیات با عملگرهای مقایسه‌ای Operations with Comparison Operators

• عملیات حسابی در Numpy Arithmetic Operations in Numpy

• عملیات آماری در Numpy Statistical Operations in Numpy

• حل معادلات درجه دوم با NumPy Solving Second-Degree Equations with NumPy

معرفی کتابخانه Pandas Pandas Library Introduction

• معرفی کتابخانه Pandas Introduction to Pandas Library

• لینک فایل‌های پروژه Pandas Pandas Project Files Link

• آزمون Quiz

ساختارهای Series در کتابخانه Pandas Series Structures in the Pandas Library

• ایجاد یک Series Pandas با یک لیست Creating a Pandas Series with a List

• ایجاد یک Series Pandas با یک دیکشنری Creating a Pandas Series with a Dictionary

• ایجاد Series Pandas با آرایه NumPy Creating Pandas Series with NumPy Array

• انواع شی در Series Object Types in Series

• بررسی ویژگی‌های اصلی سری Pandas Examining the Primary Features of the Pandas Seri

• پربکاربردترین متدها روی Series Pandas Most Applied Methods on Pandas Series

• نمایه‌گذاری و برش Series Pandas Indexing and Slicing Pandas Series

• آزمون Quiz

ساختارهای DataFrame در کتابخانه Pandas DataFrame Structures in Pandas Library

• ایجاد DataFrame Pandas با لیست Creating Pandas DataFrame with List

• ایجاد DataFrame Pandas با آرایه NumPy Creating Pandas DataFrame with NumPy Array

• ایجاد DataFrame Pandas با دیکشنری Creating Pandas DataFrame with Dictionary

• بررسی خصوصیات DataFrames Pandas Examining the Properties of Pandas DataFrames

• آزمون Quiz

عملیات انتخاب عنصر در ساختارهای DataFrame Element Selection Operations in DataFrame Structures

• عملیات انتخاب عنصر در DataFrames Pandas: درس 1 Element Selection Operations in Pandas DataFrames: Lesson 1

• عملیات انتخاب عنصر در DataFrames Pandas: درس 2 Element Selection Operations in Pandas DataFrames: Lesson 2

• انتخاب عنصر سطح بالا در DataFrames Pandas: درس 1 Top Level Element Selection in Pandas DataFrames:Lesson 1

• انتخاب عنصر سطح بالا در DataFrames Pandas: درس 2 Top Level Element Selection in Pandas DataFrames:Lesson 2

• انتخاب عنصر سطح بالا در DataFrames Pandas: درس 3 Top Level Element Selection in Pandas DataFrames:Lesson 3

• انتخاب عنصر با عملیات شرطی در Element Selection with Conditional Operations in

• آزمون Quiz

عملیات ساختاری در Pandas DataFrame Structural Operations on Pandas DataFrame

• اضافه کردن ستون به Pandas Data Frames Adding Columns to Pandas Data Frames

• حذف ردیف‌ها و ستون‌ها از Pandas Data frames Removing Rows and Columns from Pandas Data frames

• مقادیر Null در Pandas Dataframes Null Values in Pandas Dataframes

• حذف مقادیر Null: تابع Dropna() Dropping Null Values: Dropna() Function

• پر کردن مقادیر Null: تابع Fillna() Filling Null Values: Fillna() Function

• تنظیم اندیس در Pandas DataFrames Setting Index in Pandas DataFrames

• آزمون Quiz

ساختارهای DataFrame چند-اندیسی Multi-Indexed DataFrame Structures

• چند-اندیس و سلسله مراتب اندیس در Pandas DataFrames Multi-Index and Index Hierarchy in Pandas DataFrames

• انتخاب عنصر در DataFrames چند-اندیسی Element Selection in Multi-Indexed DataFrames

• انتخاب عناصر با استفاده از تابع xs() در DataFrames چند-اندیسی Selecting Elements Using the xs() Function in Multi-Indexed DataFrames

• آزمون Quiz

عملیات الحاق ساختاری در Pandas DataFrame Structural Concatenation Operations in Pandas DataFrame

• الحاق Pandas Dataframes: تابع Concat Concatenating Pandas Dataframes: Concat Function

• ادغام Pandas Dataframes: تابع Merge(): درس 1 Merge Pandas Dataframes: Merge() Function: Lesson 1

• ادغام Pandas Dataframes: تابع Merge(): درس 2 Merge Pandas Dataframes: Merge() Function: Lesson 2

• ادغام Pandas Dataframes: تابع Merge(): درس 3 Merge Pandas Dataframes: Merge() Function: Lesson 3

• ادغام Pandas Dataframes: تابع Merge(): درس 4 Merge Pandas Dataframes: Merge() Function: Lesson 4

• پیوستن Pandas Dataframes: تابع Join() Joining Pandas Dataframes: Join() Function

• آزمون Quiz

توابعی که می‌توانند روی DataFrame اعمال شوند Functions That Can Be Applied on a DataFrame

• بارگذاری یک مجموعه داده از کتابخانه Seaborn Loading a Dataset from the Seaborn Library

• بررسی مجموعه داده 1 Examining the Data Set 1

• توابع تجمیع در Pandas DataFrames Aggregation Functions in Pandas DataFrames

• بررسی مجموعه داده 2 Examining the Data Set 2

• استفاده هماهنگ از توابع گروه‌بندی و تجمیع در Pandas Dataframes Coordinated Use of Grouping and Aggregation Functions in Pandas Dataframes

• توابع تجمیع پیشرفته: تابع Aggregate() Advanced Aggregation Functions: Aggregate() Function

• توابع تجمیع پیشرفته: تابع Filter() Advanced Aggregation Functions: Filter() Function

• توابع تجمیع پیشرفته: تابع Transform() Advanced Aggregation Functions: Transform() Function

• توابع تجمیع پیشرفته: تابع Apply() Advanced Aggregation Functions: Apply() Function

• آزمون Quiz

جداول محوری در کتابخانه Pandas Pivot Tables in Pandas Library

• بررسی مجموعه داده 3 Examining the Data Set 3

• جداول محوری در کتابخانه Pandas Pivot Tables in Pandas Library

• آزمون Quiz

عملیات فایل در کتابخانه Pandas File Operations in Pandas Library

• دسترسی و در دسترس قرار دادن فایل‌ها Accessing and Making Files Available

• ورودی داده با فایل‌های Csv و Txt Data Entry with Csv and Txt Files

• ورودی داده با فایل‌های Excel Data Entry with Excel Files

• خروجی به عنوان یک پسوند CSV Outputting as an CSV Extension

• خروجی به عنوان یک فایل Excel Outputting as an Excel File

• آزمون Quiz

فایل‌ها و منابع کد: تحلیل داده و مصورسازی پایتون Code Files And Resources: Python data analysis and visualization

• مصورسازی داده - فایل‌های Matplotlib Data Visualisation - Matplotlib Files

• مصورسازی داده - فایل‌های Seaborn Data Visualisation - Seaborn Files

• مصورسازی داده - Geoplotlib Data Visualisation - Geoplotlib

Matplotlib Matplotlib

• Matplotlib چیست What is Matplotlib

• استفاده از Pyplot Using Pyplot

• Pyplot – Pylab - Matplotlib Pyplot – Pylab - Matplotlib

• شکل، زیر نمودار و محورها Figure, Subplot and Axes

• سفارشی‌سازی شکل Figure Customization

• سفارشی‌سازی نمودار Plot Customization

• شبکه، اسپاین، تیک Grid, Spines, Ticks

• نمودارهای اساسی در Matplotlib I Basic Plots in Matplotlib I

• نمودارهای اساسی در Matplotlib II Basic Plots in Matplotlib II

• آزمون Quiz

Seaborn Seaborn

• Seaborn چیست؟ What is Seaborn?

• کنترل زیبایی‌شناسی شکل در Seaborn Controlling Figure Aesthetics in Seaborn

• مثال در Seaborn Example in Seaborn

• پالت‌های رنگی در Seaborn Color Palettes in Seaborn

• نمودارهای اساسی در Seaborn Basic Plots in Seaborn

• نمودارهای چندگانه در Seaborn Multi-Plots in Seaborn

• نمودارهای رگرسیون و Squarify در Seaborn Regression Plots and Squarify in Seaborn

• آزمون Quiz

Geoplotlib Geoplotlib

• Geoplotlib چیست؟ What is Geoplotlib?

• مثال - 1 Example - 1

• مثال - 2 Example - 2

• مثال - 3 Example - 3

• آزمون Quiz

مقدمه‌ای بر یادگیری ماشین با پایتون Intro to Machine Learning with Python

• یادگیری ماشین چیست؟ What is Machine Learning?

• اصطلاحات یادگیری ماشین Machine Learning Terminology

• یادگیری ماشین: فایل‌های پروژه Machine Learning: Project Files

• آزمون Quiz

معیارهای ارزیابی در یادگیری ماشین Evaluation Metrics in Machine Learning

• طبقه‌بندی در مقابل رگرسیون در یادگیری ماشین Classification vs Regression in Machine Learning

• ارزیابی عملکرد مدل یادگیری ماشین: معیارهای خطای طبقه‌بندی Machine Learning Model Performance Evaluation: Classification Error Metrics

• ارزیابی عملکرد: معیارهای خطای رگرسیون در پایتون Evaluating Performance: Regression Error Metrics in Python

• یادگیری ماشین با پایتون Machine Learning With Python

• آزمون Quiz

یادگیری نظارت شده با یادگیری ماشین Supervised Learning with Machine Learning

• یادگیری نظارت شده در یادگیری ماشین چیست؟ What is Supervised Learning in Machine Learning?

• آزمون Quiz

الگوریتم رگرسیون خطی در یادگیری ماشین A-Z Linear Regression Algorithm in Machine Learning A-Z

• نظریه الگوریتم رگرسیون خطی در یادگیری ماشین A-Z Linear Regression Algorithm Theory in Machine Learning A-Z

• الگوریتم رگرسیون خطی با پایتون قسمت 1 Linear Regression Algorithm With Python Part 1

• الگوریتم رگرسیون خطی با پایتون قسمت 2 Linear Regression Algorithm With Python Part 2

• الگوریتم رگرسیون خطی با پایتون قسمت 3 Linear Regression Algorithm With Python Part 3

• الگوریتم رگرسیون خطی با پایتون قسمت 4 Linear Regression Algorithm With Python Part 4

مبادله واریانس بایاس در یادگیری ماشین Bias Variance Trade-Off in Machine Learning

• مبادله واریانس بایاس چیست؟ What is Bias Variance Trade-Off?

• آزمون Quiz

الگوریتم رگرسیون لجستیک در یادگیری ماشین A-Z Logistic Regression Algorithm in Machine Learning A-Z

• الگوریتم رگرسیون لجستیک در یادگیری ماشین چیست؟ What is Logistic Regression Algorithm in Machine Learning?

• الگوریتم رگرسیون لجستیک با پایتون قسمت 1 Logistic Regression Algorithm with Python Part 1

• الگوریتم رگرسیون لجستیک با پایتون قسمت 2 Logistic Regression Algorithm with Python Part 2

• الگوریتم رگرسیون لجستیک با پایتون قسمت 3 Logistic Regression Algorithm with Python Part 3

• الگوریتم رگرسیون لجستیک با پایتون قسمت 4 Logistic Regression Algorithm with Python Part 4

• الگوریتم رگرسیون لجستیک با پایتون قسمت 5 Logistic Regression Algorithm with Python Part 5

• آزمون Quiz

اعتبارسنجی متقابل K-fold در یادگیری ماشین A-Z K-fold Cross-Validation in Machine Learning A-Z

• نظریه اعتبارسنجی متقابل K-Fold K-Fold Cross-Validation Theory

• اعتبارسنجی متقابل K-Fold با پایتون K-Fold Cross-Validation with Python

الگوریتم K Nearest Neighbors در یادگیری ماشین A-Z K Nearest Neighbors Algorithm in Machine Learning A-Z

• نظریه الگوریتم K Nearest Neighbors K Nearest Neighbors Algorithm Theory

• الگوریتم K Nearest Neighbors با پایتون قسمت 1 K Nearest Neighbors Algorithm with Python Part 1

• الگوریتم K Nearest Neighbors با پایتون قسمت 2 K Nearest Neighbors Algorithm with Python Part 2

• الگوریتم K Nearest Neighbors با پایتون قسمت 3 K Nearest Neighbors Algorithm with Python Part 3

• آزمون Quiz

بهینه‌سازی هایپرپارامتر Hyperparameter Optimization

• نظریه بهینه‌سازی هایپرپارامتر Hyperparameter Optimization Theory

• بهینه‌سازی هایپرپارامتر با پایتون Hyperparameter Optimization with Python

الگوریتم درخت تصمیم در یادگیری ماشین A-Z Decision Tree Algorithm in Machine Learning A-Z

• نظریه الگوریتم درخت تصمیم Decision Tree Algorithm Theory

• الگوریتم درخت تصمیم با پایتون قسمت 1 Decision Tree Algorithm with Python Part 1

• الگوریتم درخت تصمیم با پایتون قسمت 2 Decision Tree Algorithm with Python Part 2

• الگوریتم درخت تصمیم با پایتون قسمت 3 Decision Tree Algorithm with Python Part 3

• الگوریتم درخت تصمیم با پایتون قسمت 4 Decision Tree Algorithm with Python Part 4

• الگوریتم درخت تصمیم با پایتون قسمت 5 Decision Tree Algorithm with Python Part 5

• آزمون Quiz

الگوریتم جنگل تصادفی در یادگیری ماشین A-Z Random Forest Algorithm in Machine Learning A-Z

• نظریه الگوریتم جنگل تصادفی Random Forest Algorithm Theory

• الگوریتم جنگل تصادفی با پایتون قسمت 1 Random Forest Algorithm with Pyhon Part 1

• الگوریتم جنگل تصادفی با پایتون قسمت 2 Random Forest Algorithm with Pyhon Part 2

الگوریتم ماشین بردار پشتیبان در یادگیری ماشین A-Z Support Vector Machine Algorithm in Machine Learning A-Z

• نظریه الگوریتم ماشین بردار پشتیبان Support Vector Machine Algorithm Theory

• الگوریتم ماشین بردار پشتیبان با پایتون قسمت 1 Support Vector Machine Algorithm with Python Part 1

• الگوریتم ماشین بردار پشتیبان با پایتون قسمت 2 Support Vector Machine Algorithm with Python Part 2

• الگوریتم ماشین بردار پشتیبان با پایتون قسمت 3 Support Vector Machine Algorithm with Python Part 3

• الگوریتم ماشین بردار پشتیبان با پایتون قسمت 4 Support Vector Machine Algorithm with Python Part 4

• آزمون Quiz

یادگیری بدون نظارت با یادگیری ماشین Unsupervised Learning with Machine Learning

• مروری بر یادگیری بدون نظارت Unsupervised Learning Overview

• آزمون Quiz

الگوریتم خوشه‌بندی K Means در یادگیری ماشین A-Z K Means Clustering Algorithm in Machine Learning A-Z

• نظریه الگوریتم خوشه‌بندی K Means K Means Clustering Algorithm Theory

• الگوریتم خوشه‌بندی K Means با پایتون قسمت 1 K Means Clustering Algorithm with Python Part 1

• الگوریتم خوشه‌بندی K Means با پایتون قسمت 2 K Means Clustering Algorithm with Python Part 2

• الگوریتم خوشه‌بندی K Means با پایتون قسمت 3 K Means Clustering Algorithm with Python Part 3

• الگوریتم خوشه‌بندی K Means با پایتون قسمت 4 K Means Clustering Algorithm with Python Part 4

• آزمون Quiz

الگوریتم خوشه‌بندی سلسله مراتبی در علم داده یادگیری ماشین Hierarchical Clustering Algorithm in machine learning data science

• نظریه الگوریتم خوشه‌بندی سلسله مراتبی Hierarchical Clustering Algorithm Theory

• الگوریتم خوشه‌بندی سلسله مراتبی با پایتون قسمت 1 Hierarchical Clustering Algorithm with Python Part 1

• الگوریتم خوشه‌بندی سلسله مراتبی با پایتون قسمت 2 Hierarchical Clustering Algorithm with Python Part 2

• آزمون Quiz

تجزیه و تحلیل مولفه‌های اصلی (PCA) در یادگیری ماشین A-Z Principal Component Analysis (PCA) in Machine Learning A-Z

• نظریه تجزیه و تحلیل مولفه‌های اصلی (PCA) Principal Component Analysis (PCA) Theory

• تجزیه و تحلیل مولفه‌های اصلی (PCA) با پایتون قسمت 1 Principal Component Analysis (PCA) with Python Part 1

• تجزیه و تحلیل مولفه‌های اصلی (PCA) با پایتون قسمت 2 Principal Component Analysis (PCA) with Python Part 2

• تجزیه و تحلیل مولفه‌های اصلی (PCA) با پایتون قسمت 3 Principal Component Analysis (PCA) with Python Part 3

الگوریتم سیستم توصیه‌گر در یادگیری ماشین A-Z Recommender System Algorithm in Machine Learning A-Z

• سیستم توصیه‌گر چیست؟ قسمت 1 What is the Recommender System? Part 1

• سیستم توصیه‌گر چیست؟ قسمت 2 What is the Recommender System? Part 2

• آزمون Quiz

اولین تماس با Kaggle First Contact with Kaggle

• Kaggle چیست؟ What is Kaggle?

• سوالات متداول درباره Kaggle FAQ about Kaggle

• ثبت‌نام در Kaggle و روش‌های ورود اعضا Registering on Kaggle and Member Login Procedures

• فایل لینک پروژه - پروژه پیش‌بینی حمله قلبی، یادگیری ماشین Project Link File - Hearth Attack Prediction Project, Machine Learning

• آشنایی با صفحه اصلی Kaggle Getting to Know the Kaggle Homepage

• آزمون Quiz

بخش مسابقه در Kaggle Competition Section on Kaggle

• مسابقات در Kaggle: درس 1 Competitions on Kaggle: Lesson 1

• مسابقات در Kaggle: درس 2 Competitions on Kaggle: Lesson 2

• آزمون Quiz

بخش مجموعه داده در Kaggle Dataset Section on Kaggle

• مجموعه داده‌ها در Kaggle Datasets on Kaggle

• آزمون Quiz

بخش کد در Kaggle Code Section on Kaggle

• بررسی بخش کد در Kaggle: درس 1 Examining the Code Section in Kaggle: Lesson 1

• بررسی بخش کد در Kaggle: درس 2 Examining the Code Section in Kaggle: Lesson 2

• بررسی بخش کد در Kaggle: درس 3 Examining the Code Section in Kaggle: Lesson 3

• آزمون Quiz

بخش بحث در Kaggle Discussion Section on Kaggle

• بحث در Kaggle چیست؟ What is Discussion on Kaggle?

• آزمون Quiz

دیگر گزینه‌های پرکاربرد در Kaggle Other Most Used Options on Kaggle

• دوره‌ها در Kaggle Courses in Kaggle

• رتبه‌بندی در میان کاربران در Kaggle Ranking Among Users on Kaggle

• بخش‌های وبلاگ و مستندات Blog and Documentation Sections

• آزمون Quiz

جزئیات در Kaggle Details on Kaggle

• بررسی صفحه کاربری در Kaggle User Page Review on Kaggle

• گنجینه در Kaggle Treasure in The Kaggle

• انتشار نوت‌بوک‌ها در Kaggle Publishing Notebooks on Kaggle

• برای دستیابی به موفقیت در Kaggle چه باید کرد؟ What Should Be Done to Achieve Success in Kaggle?

• آزمون Quiz

مقدمه‌ای بر یادگیری ماشین با پروژه واقعی پیش‌بینی حمله قلبی Introduction to Machine Learning with Real Hearth Attack Prediction Project

• اولین قدم به سوی پروژه پیش‌بینی حمله قلبی First Step to the Hearth Attack Prediction Project

• سوالات متداول درباره یادگیری ماشین، علم داده FAQ about Machine Learning, Data Science

• طراحی نوت‌بوک برای استفاده در پروژه Notebook Design to be Used in the Project

• فایل لینک پروژه - پروژه پیش‌بینی حمله قلبی، یادگیری ماشین Project Link File - Hearth Attack Prediction Project, Machine Learning

• بررسی موضوع پروژه Examining the Project Topic

• شناسایی متغیرها در مجموعه داده Recognizing Variables In Dataset

• آزمون Quiz

اولین سازماندهی First Organization

• کتابخانه‌های پایتون مورد نیاز Required Python Libraries

• بارگیری مجموعه داده آمار در علم داده Loading the Statistics Dataset in Data Science

• تجزیه و تحلیل اولیه روی مجموعه داده Initial analysis on the dataset

• آزمون Quiz

آماده‌سازی برای تجزیه و تحلیل اکتشافی داده (EDA) در علم داده Preparation For Exploratory Data Analysis (EDA) in Data Science

• بررسی مقادیر گمشده Examining Missing Values

• بررسی مقادیر منحصر به فرد Examining Unique Values

• جدا کردن متغیرها (عددی یا طبقه‌بندی) Separating variables (Numeric or Categorical)

• بررسی آمار متغیرها Examining Statistics of Variables

• آزمون Quiz

تجزیه و تحلیل اکتشافی داده (EDA) - تجزیه و تحلیل تک متغیره Exploratory Data Analysis (EDA) - Uni-variate Analysis

• متغیرهای عددی (تجزیه و تحلیل با Distplot): درس 1 Numeric Variables (Analysis with Distplot): Lesson 1

• متغیرهای عددی (تجزیه و تحلیل با Distplot): درس 2 Numeric Variables (Analysis with Distplot): Lesson 2

• متغیرهای طبقه‌بندی (تجزیه و تحلیل با نمودار پای): درس 1 Categoric Variables (Analysis with Pie Chart): Lesson 1

• متغیرهای طبقه‌بندی (تجزیه و تحلیل با نمودار پای): درس 2 Categoric Variables (Analysis with Pie Chart): Lesson 2

• بررسی داده‌های از دست رفته بر اساس نتایج تحلیل Examining the Missing Data According to the Analysis Result

• آزمونک Quiz

تحلیل اکتشافی داده (EDA) - تحلیل دو متغیره Exploratory Data Analysis (EDA) - Bi-variate Analysis

• متغیرهای عددی – متغیر هدف (تحلیل با FacetGrid): درس 1 Numeric Variables – Target Variable (Analysis with FacetGrid): Lesson 1

• متغیرهای عددی – متغیر هدف (تحلیل با FacetGrid): درس 2 Numeric Variables – Target Variable (Analysis with FacetGrid): Lesson 2

• متغیرهای دسته‌ای – متغیر هدف (تحلیل با نمودار شمارش): درس 1 Categoric Variables – Target Variable (Analysis with Count Plot): Lesson 1

• متغیرهای دسته‌ای – متغیر هدف (تحلیل با نمودار شمارش): درس 2 Categoric Variables – Target Variable (Analysis with Count Plot): Lesson 2

• بررسی متغیرهای عددی در میان خود (تحلیل با Pair Plot) درس 1 Examining Numeric Variables Among Themselves (Analysis with Pair Plot) Lesson 1

• بررسی متغیرهای عددی در میان خود (تحلیل با Pair Plot) درس 2 Examining Numeric Variables Among Themselves (Analysis with Pair Plot) Lesson 2

• مقیاس‌بندی ویژگی با روش Robust Scaler Feature Scaling with the Robust Scaler Method

• ایجاد یک DataFrame جدید با تابع Melt() Creating a New DataFrame with the Melt() Function

• متغیرهای عددی - دسته‌ای (تحلیل با Swarm Plot): درس 1 Numerical - Categorical Variables (Analysis with Swarm Plot): Lesson 1

• متغیرهای عددی - دسته‌ای (تحلیل با Swarm Plot): درس 2 Numerical - Categorical Variables (Analysis with Swarm Plot): Lesson 2

• متغیرهای عددی - دسته‌ای (تحلیل با Box Plot): درس 1 Numerical - Categorical Variables (Analysis with Box Plot): Lesson 1

• متغیرهای عددی - دسته‌ای (تحلیل با Box Plot): درس 2 Numerical - Categorical Variables (Analysis with Box Plot): Lesson 2

• روابط بین متغیرها (تحلیل با Heatmap): درس 1 Relationships between variables (Analysis with Heatmap): Lesson 1

• روابط بین متغیرها (تحلیل با Heatmap): درس 2 Relationships between variables (Analysis with Heatmap): Lesson 2

• آزمونک Quiz

آماده سازی برای مدل سازی در یادگیری ماشین Preparation for Modelling in Machine Learning

• حذف ستون‌ها با همبستگی پایین Dropping Columns with Low Correlation

• تجسم داده‌های پرت Visualizing Outliers

• برخورد با داده‌های پرت – متغیر Trtbps: درس 1 Dealing with Outliers – Trtbps Variable: Lesson 1

• برخورد با داده‌های پرت – متغیر Trtbps: درس 2 Dealing with Outliers – Trtbps Variable: Lesson 2

• برخورد با داده‌های پرت – متغیر Thalach Dealing with Outliers – Thalach Variable

• برخورد با داده‌های پرت – متغیر Oldpeak Dealing with Outliers – Oldpeak Variable

• تعیین توزیع متغیرهای عددی Determining Distributions of Numeric Variables

• عملیات تبدیل بر روی داده‌های نامتقارن Transformation Operations on Unsymmetrical Data

• اعمال روش One Hot Encoding به متغیرهای دسته‌ای Applying One Hot Encoding Method to Categorical Variables

• مقیاس‌بندی ویژگی با روش Robust Scaler برای الگوریتم‌های یادگیری ماشین Feature Scaling with the Robust Scaler Method for Machine Learning Algorithms

• جدا کردن داده‌ها به مجموعه‌های آزمون و آموزش Separating Data into Test and Training Set

• آزمونک Quiz

مدل‌سازی برای یادگیری ماشین Modelling for Machine Learning

• رگرسیون لجستیک Logistic Regression

• اعتبارسنجی متقابل Cross Validation

• منحنی ROC و سطح زیر منحنی (AUC) Roc Curve and Area Under Curve (AUC)

• بهینه‌سازی ابرپارامتر (با GridSearchCV) Hyperparameter Optimization (with GridSearchCV)

• الگوریتم درخت تصمیم Decision Tree Algorithm

• الگوریتم ماشین بردار پشتیبان Support Vector Machine Algorithm

• الگوریتم جنگل تصادفی Random Forest Algorithm

• بهینه‌سازی ابرپارامتر (با GridSearchCV) Hyperparameter Optimization (with GridSearchCV)

• آزمونک Quiz

نتیجه‌گیری Conclusion

• نتیجه‌گیری و اشتراک گذاری پروژه Project Conclusion and Sharing

• آزمونک Quiz

اضافی Extra

• آموزش کامل پایتون برای علم داده و یادگیری ماشین از صفر تا صد Complete Python for Data Science & Machine Learning from A-Z