آموزش مقدمه ای بر یادگیری ماشین برای علم داده

سرفصل ها و درس ها

معرفی Introduction

• فیلم تبلیغاتی دوره Course Promotion Video

• پیامی ویژه برای دانش آموزان کم شنوا و ESL A special message for hard of hearing and ESL students

• با تشکر از شما برای سرمایه گذاری در این دوره! Thank you for investing in this Course!

• بررسی اجمالی دوره Course Overview

• سس مخفی داخل!: چگونه از این دوره بیشترین بهره را ببرید. Secret sauce inside!: How to get the most out of this course.

• لینک های دوره راهنمای مرجع و منابع سخنرانی Course Links Reference Guide and Lecture Resources

• نظرسنجی دوره Course Survey

معرفی Introduction

• فیلم تبلیغاتی دوره Course Promotion Video

• پیامی ویژه برای دانش آموزان کم شنوا و ESL A special message for hard of hearing and ESL students

• با تشکر از شما برای سرمایه گذاری در این دوره! Thank you for investing in this Course!

• بررسی اجمالی دوره Course Overview

• سس مخفی داخل!: چگونه از این دوره بیشترین بهره را ببرید. Secret sauce inside!: How to get the most out of this course.

• لینک های دوره راهنمای مرجع و منابع سخنرانی Course Links Reference Guide and Lecture Resources

• نظرسنجی دوره Course Survey

مفاهیم اصلی Core Concepts

• مروری بر مفاهیم اصلی Core Concepts Overview

• علوم کامپیوتر - تعریف "غرق قطار". Computer Science - the `Train Wreck' Definition

• داده چیست/"من می توانم داده ها را همه جا ببینم!" What's Data / "I can see data everywhere!"

• داده های ساختاریافته در مقابل داده های بدون ساختار Structured vs Unstructured Data

• داده های ساختاریافته و بدون ساختار Structured and Unstructured Data

• علوم کامپیوتر - تعریف بازبینی شده و بزرگترین "دروغ" فروخته شده .... Computer Science - Definition Revisited & The Greatest "lie" ever SOLD....

• داده های بزرگ چیست؟ What's big data?

• داده های بزرگ - آزمون Big Data - Quiz

• هوش مصنوعی (AI) چیست؟ What is Artificial Intelligence (AI)

• یادگیری ماشینی چیست؟ - قسمت 1 - ایده ها What is Machine Learning? - Part 1 - The ideas

• یادگیری ماشینی چیست؟ - قسمت 2 - یک مثال What is Machine Learning? - Part 2 - An Example

• علم داده چیست؟ What is data science?

• خلاصه و ارتباط اینها با یکدیگر چگونه است؟ Recap & How do these relate to each other?

مفاهیم اصلی Core Concepts

• مروری بر مفاهیم اصلی Core Concepts Overview

• علوم کامپیوتر - تعریف "غرق قطار". Computer Science - the `Train Wreck' Definition

• داده چیست/"من می توانم داده ها را همه جا ببینم!" What's Data / "I can see data everywhere!"

• داده های ساختاریافته در مقابل داده های بدون ساختار Structured vs Unstructured Data

• داده های ساختاریافته و بدون ساختار Structured and Unstructured Data

• علوم کامپیوتر - تعریف بازبینی شده و بزرگترین "دروغ" فروخته شده .... Computer Science - Definition Revisited & The Greatest "lie" ever SOLD....

• داده های بزرگ چیست؟ What's big data?

• داده های بزرگ - آزمون Big Data - Quiz

• هوش مصنوعی (AI) چیست؟ What is Artificial Intelligence (AI)

• یادگیری ماشینی چیست؟ - قسمت 1 - ایده ها What is Machine Learning? - Part 1 - The ideas

• یادگیری ماشینی چیست؟ - قسمت 2 - یک مثال What is Machine Learning? - Part 2 - An Example

• علم داده چیست؟ What is data science?

• خلاصه و ارتباط اینها با یکدیگر چگونه است؟ Recap & How do these relate to each other?

تأثیرات، اهمیت و مثال‌ها Impacts, Importance and examples

• تأثیرات، اهمیت و مثال ها - بررسی اجمالی Impacts, Importance and examples - Overview

• چرا الان این مهم است؟ Why is this important now?

• کامپیوترها در حال انفجار! - رشد انفجاری قدرت کامپیوتر توضیح داد. Computers exploding! - The explosive growth of computer power explained.

• یادگیری ماشین چه مشکلاتی را حل می کند؟ What problems does Machine Learning Solve?

• جایی که زندگی ما را متحول می کند Where it's transforming our lives

تأثیرات، اهمیت و مثال‌ها Impacts, Importance and examples

• تأثیرات، اهمیت و مثال ها - بررسی اجمالی Impacts, Importance and examples - Overview

• چرا الان این مهم است؟ Why is this important now?

• کامپیوترها در حال انفجار! - رشد انفجاری قدرت کامپیوتر توضیح داد. Computers exploding! - The explosive growth of computer power explained.

• یادگیری ماشین چه مشکلاتی را حل می کند؟ What problems does Machine Learning Solve?

• جایی که زندگی ما را متحول می کند Where it's transforming our lives

فرآیند یادگیری ماشینی The Machine Learning Process

• فرآیند یادگیری ماشین - بررسی اجمالی The Machine Learning Process - Overview

• بررسی اجمالی فرآیند یادگیری ماشین 5 مرحله ای 5 Step Machine Learning Process Overview

• 1 - پرسیدن سوال درست 1 - Asking the right question

• 2- شناسایی، به دست آوردن و تهیه داده های مناسب 2 - Identifying, obtaining, and preparing the right data

• 3 - شناسایی و بکارگیری الگوریتم ML 3 - Identifying and applying a ML Algorithm

• 4 - ارزیابی عملکرد مدل و تنظیم 4 - Evaluating the performance of the model and adjusting

• 5- استفاده و ارائه مدل 5 - Using and presenting the model

• یادگیری ماشینی - فرآیند Machine Learning - Process

فرآیند یادگیری ماشینی The Machine Learning Process

• فرآیند یادگیری ماشین - بررسی اجمالی The Machine Learning Process - Overview

• بررسی اجمالی فرآیند یادگیری ماشین 5 مرحله ای 5 Step Machine Learning Process Overview

• 1 - پرسیدن سوال درست 1 - Asking the right question

• 2- شناسایی، به دست آوردن و تهیه داده های مناسب 2 - Identifying, obtaining, and preparing the right data

• 3 - شناسایی و بکارگیری الگوریتم ML 3 - Identifying and applying a ML Algorithm

• 4 - ارزیابی عملکرد مدل و تنظیم 4 - Evaluating the performance of the model and adjusting

• 5- استفاده و ارائه مدل 5 - Using and presenting the model

• یادگیری ماشینی - فرآیند Machine Learning - Process

نحوه استفاده از یادگیری ماشین برای علم داده How to apply Machine Learning for Data Science

• نحوه استفاده از یادگیری ماشین برای علم داده - بررسی اجمالی How to apply Machine Learning for Data Science - Overview

• سفر خود را از کجا شروع کنید Where to begin your journey

• پلتفرم ها و ابزارهای رایج برای علم داده Common platforms and tools for Data Science

• استفاده از علم داده - R Data Science using - R

• استفاده از علم داده - پایتون Data Science using - Python

• علم داده با استفاده از SQL Data Science using SQL

• علم داده با استفاده از اکسل Data Science using Excel

• علم داده با استفاده از RapidMiner Data Science using RapidMiner

• قصه های احتیاطی Cautionary Tales

نحوه استفاده از یادگیری ماشین برای علم داده How to apply Machine Learning for Data Science

• نحوه استفاده از یادگیری ماشین برای علم داده - بررسی اجمالی How to apply Machine Learning for Data Science - Overview

• سفر خود را از کجا شروع کنید Where to begin your journey

• پلتفرم ها و ابزارهای رایج برای علم داده Common platforms and tools for Data Science

• استفاده از علم داده - R Data Science using - R

• استفاده از علم داده - پایتون Data Science using - Python

• علم داده با استفاده از SQL Data Science using SQL

• علم داده با استفاده از اکسل Data Science using Excel

• علم داده با استفاده از RapidMiner Data Science using RapidMiner

• قصه های احتیاطی Cautionary Tales

نتیجه Conclusion

• همه چیز تمام شد! بعدش چی؟ All done! What's next?

نتیجه Conclusion

• همه چیز تمام شد! بعدش چی؟ All done! What's next?

بخش 1 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 1 -Bonus course - Machine Learning in Python and Jupyter for Beginners

• معرفی و نصب آناکوندا Introduction and Anaconda Installation

• چه چیزی را پوشش خواهیم داد! What will we cover!

• معرفی و راه اندازی Introduction and Setup

بخش 1 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 1 -Bonus course - Machine Learning in Python and Jupyter for Beginners

• معرفی و نصب آناکوندا Introduction and Anaconda Installation

• چه چیزی را پوشش خواهیم داد! What will we cover!

• معرفی و راه اندازی Introduction and Setup

بخش 2 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 2 -Bonus course - Machine Learning in Python and Jupyter for Beginners

• دوره Crash در پایتون - مفاهیم ابتدایی Crash course in Python - Beginning concepts

• دوره Crash در پایتون - رشته ها، برش ها و لیست ها! Crash course in Python - Strings, Slices and Lists!

• دوره Crash در پایتون - عبارات، عملگرها، شرایط و حلقه ها Crash course in Python - Expressions, Operators, Conditions and Loops

• دوره Crash در پایتون - توابع، دامنه، دیکشنری ها و موارد دیگر! Crash course in Python - Functions, Scope, Dictionaries and more!

بخش 2 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 2 -Bonus course - Machine Learning in Python and Jupyter for Beginners

• دوره Crash در پایتون - مفاهیم ابتدایی Crash course in Python - Beginning concepts

• دوره Crash در پایتون - رشته ها، برش ها و لیست ها! Crash course in Python - Strings, Slices and Lists!

• دوره Crash در پایتون - عبارات، عملگرها، شرایط و حلقه ها Crash course in Python - Expressions, Operators, Conditions and Loops

• دوره Crash در پایتون - توابع، دامنه، دیکشنری ها و موارد دیگر! Crash course in Python - Functions, Scope, Dictionaries and more!

بخش 3 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 3 - Bonus course - Machine Learning in Python and Jupyter for Beginners

• دست در اجرای پایتون Hands on Running Python

بخش 3 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 3 - Bonus course - Machine Learning in Python and Jupyter for Beginners

• دست در اجرای پایتون Hands on Running Python

بخش 4 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 4 - Bonus course - Machine Learning in Python and Jupyter for Beginners

• مبانی یادگیری ماشین و علم داده - تعاریف و مفاهیم. Foundations of Machine Learning and Data Science - Definitions and concepts.

• مبانی یادگیری ماشین و علم داده - گردش کار یادگیری ماشین Foundations of Machine Learning and Data Science - Machine Learning Workflow

• مبانی یادگیری ماشین و علم داده - الگوریتم ها، مفاهیم و موارد دیگر Foundations of Machine Learning and Data Science - Algorithms, concepts and more

بخش 4 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 4 - Bonus course - Machine Learning in Python and Jupyter for Beginners

• مبانی یادگیری ماشین و علم داده - تعاریف و مفاهیم. Foundations of Machine Learning and Data Science - Definitions and concepts.

• مبانی یادگیری ماشین و علم داده - گردش کار یادگیری ماشین Foundations of Machine Learning and Data Science - Machine Learning Workflow

• مبانی یادگیری ماشین و علم داده - الگوریتم ها، مفاهیم و موارد دیگر Foundations of Machine Learning and Data Science - Algorithms, concepts and more

بخش 5 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 5 -Bonus course - Machine Learning in Python and Jupyter for Beginners

• معرفی ماژول های ضروری برای یادگیری ماشین و مبانی NumPy Introducing the essential modules for Machine Learning, and NumPy Basics

• پانداها و Matplotlib Pandas and Matplotlib

• تجزیه و تحلیل با استفاده از پانداها، ترسیم در Matplotlib، مقدمه ای بر SciPy و Scikit-learn Analysis using Pandas, plotting in Matplotlib, intro to SciPy and Scikit-learn

بخش 5 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 5 -Bonus course - Machine Learning in Python and Jupyter for Beginners

• معرفی ماژول های ضروری برای یادگیری ماشین و مبانی NumPy Introducing the essential modules for Machine Learning, and NumPy Basics

• پانداها و Matplotlib Pandas and Matplotlib

• تجزیه و تحلیل با استفاده از پانداها، ترسیم در Matplotlib، مقدمه ای بر SciPy و Scikit-learn Analysis using Pandas, plotting in Matplotlib, intro to SciPy and Scikit-learn

بخش 6 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 6 - Bonus course - Machine Learning in Python and Jupyter for Beginners

• یک مثال تایتانیک - شروع ما. A Titanic Example - Getting our start.

• یک مثال تایتانیک - درک مجموعه داده ها. A Titanic Example - Understanding the data set.

• یک مثال تایتانیک - درک مجموعه داده ها در مورد بقا A Titanic Example - Understanding the data set in regards to survival

• یک مثال تایتانیک - آماده سازی داده های مناسب و اعمال یک الگوریتم پایه A Titanic Example - Preparing the right data and applying a basic algorithm

• یک مثال تایتانیک - استفاده از الگوریتم های رگرسیون. A Titanic Example - Applying regression algorithms.

• نمونه ای از تایتانیک - به کارگیری درختان تصمیم گیری (مثالی از اضافه و کم تناسب) A Titanic Example - Applying Decision Trees (example of overfit and underfit)

بخش 6 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 6 - Bonus course - Machine Learning in Python and Jupyter for Beginners

• یک مثال تایتانیک - شروع ما. A Titanic Example - Getting our start.

• یک مثال تایتانیک - درک مجموعه داده ها. A Titanic Example - Understanding the data set.

• یک مثال تایتانیک - درک مجموعه داده ها در مورد بقا A Titanic Example - Understanding the data set in regards to survival

• یک مثال تایتانیک - آماده سازی داده های مناسب و اعمال یک الگوریتم پایه A Titanic Example - Preparing the right data and applying a basic algorithm

• یک مثال تایتانیک - استفاده از الگوریتم های رگرسیون. A Titanic Example - Applying regression algorithms.

• نمونه ای از تایتانیک - به کارگیری درختان تصمیم گیری (مثالی از اضافه و کم تناسب) A Titanic Example - Applying Decision Trees (example of overfit and underfit)

بخش 7 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 7 -Bonus course - Machine Learning in Python and Jupyter for Beginners

• نتیجه‌گیری - برای مثال تایتانیک ما، مفاهیم مهم و کجا باید رفت! Conclusions - for our Titanic Example, important concepts and where to go next!

بخش 7 - دوره پاداش - یادگیری ماشینی در پایتون و ژوپیتر برای مبتدیان Section 7 -Bonus course - Machine Learning in Python and Jupyter for Beginners

• نتیجه‌گیری - برای مثال تایتانیک ما، مفاهیم مهم و کجا باید رفت! Conclusions - for our Titanic Example, important concepts and where to go next!

محتوای جایزه Bonus Content

• مقاله جایزه - پیشرفت شگفت انگیز در یادگیری ماشین از سال 2016. Bonus Article - The startling breakthrough in Machine Learning from 2016.

محتوای جایزه Bonus Content

• مقاله جایزه - پیشرفت شگفت انگیز در یادگیری ماشین از سال 2016. Bonus Article - The startling breakthrough in Machine Learning from 2016.