آموزش [2023] بوت کمپ یادگیری ماشینی و یادگیری عمیق در پایتون

[2023] Machine Learning and Deep Learning Bootcamp in Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشین، شبکه های عصبی، بینایی کامپیوتر، یادگیری عمیق و یادگیری تقویتی در Keras و TensorFlow حل مسائل رگرسیون (رگرسیون خطی و رگرسیون لجستیک) حل مسائل طبقه بندی (طبقه بندی کننده ساده بیز، ماشین های بردار پشتیبانی - SVM) با استفاده از شبکه های عصبی (شبکه های عصبی پیشخور، شبکه‌های عصبی عمیق، شبکه‌های عصبی کانولوشنال و شبکه‌های عصبی تکراری به‌روزترین تکنیک‌های یادگیری ماشینی مورد استفاده شرکت‌هایی مانند Google یا فیس‌بوک تشخیص چهره با OpenCV TensorFlow و Keras Deep Learning - شبکه‌های عصبی عمیق، شبکه‌های عصبی کانولوشنال (CNNS)، عصبی تکراری شبکه ها (RNNs) تقویت یادگیری - یادگیری Q و رویکردهای یادگیری عمیق Q پیش نیازها: پایتون پایه - از Panda و Numpy نیز استفاده خواهیم کرد (مبانی را در حین پیاده سازی پوشش خواهیم داد)

به یادگیری ماشین، یادگیری عمیق و بینایی کامپیوتر علاقه دارید؟ پس این دوره برای شما مناسب است!

این دوره در مورد مفاهیم اساسی یادگیری ماشین، یادگیری عمیق، یادگیری تقویتی و یادگیری ماشین است. این موضوعات امروزه بسیار داغ شده است زیرا این الگوریتم های یادگیری را می توان در چندین زمینه از مهندسی نرم افزار تا بانکداری سرمایه گذاری استفاده کرد.

در هر بخش در مورد پس‌زمینه نظری همه این الگوریتم‌ها صحبت می‌کنیم، سپس می‌خواهیم این مسائل را با هم پیاده‌سازی کنیم. ما از Python با SkLearn، Keras و TensorFlow استفاده خواهیم کرد.

### یادگیری ماشینی ###

1.) رگرسیون خطی

  • درک مدل رگرسیون خطی

  • ماتریس همبستگی و کوواریانس

  • روابط خطی بین متغیرهای تصادفی

  • رویکردهای ماتریس طراحی و فرود گرادیان

2.) رگرسیون لجستیک

  • درک رگرسیون لجستیک

  • مبانی الگوریتم های طبقه بندی

  • تابع و تخمین حداکثر احتمال

3.) K-Nearest Neighbors Classifier

  • طبقه‌بندی‌کننده نزدیک‌ترین همسایه k چیست؟

  • الگوریتم‌های غیر پارامتری یادگیری ماشین

4.) الگوریتم ساده بیز

  • الگوریتم ساده بیز چیست؟

  • طبقه بندی بر اساس احتمال

  • اعتبار سنجی متقابل

  • بیش از حد و کم تناسب

5.) ماشین‌های بردار پشتیبانی (SVM)

  • پشتیبانی از ماشین‌های برداری (SVM) و پشتیبانی از طبقه‌بندی‌کننده‌های برداری (SVC)

  • طبقه‌بندی کننده حداکثر حاشیه

  • ترفند هسته

6.) درختان تصمیم و جنگل های تصادفی

  • طبقه بندی درخت تصمیم

  • طبقه‌بندی‌کننده جنگل تصادفی

  • ترکیب زبان آموزان ضعیف

7.) بسته بندی و تقویت

  • کیف کردن و تقویت چیست؟

  • الگوریتم AdaBoost

  • ترکیب زبان آموزان ضعیف (خرد جمعیت)

8.) الگوریتم های خوشه بندی

  • الگوریتم های خوشه بندی چیست؟

  • k-به معنای خوشه بندی و روش آرنج

    است
  • الگوریتم DBSCAN

  • خوشه بندی سلسله مراتبی

  • تحلیل بخش‌بندی بازار

### شبکه های عصبی و یادگیری عمیق ###

9.) شبکه های عصبی پیشروی

  • مدل پرسپترون تک لایه

  • شبکه های عصبی feed.forward

  • عملکردهای فعال سازی

  • الگوریتم پس انتشار

10.) شبکه های عصبی عمیق

  • شبکه های عصبی عمیق چیست؟

  • توابع فعال‌سازی ReLU و مشکل گرادیان ناپدید شدن

  • آموزش شبکه های عصبی عمیق

  • توابع ضرر (توابع هزینه)

11.) شبکه های عصبی کانولوشنال (CNN)

  • شبکه های عصبی کانولوشن چیست؟

  • انتخاب ویژگی با هسته

  • آشکارسازهای ویژه

  • مجموعه و صاف کردن

12.) شبکه های عصبی مکرر (RNN)

  • شبکه های عصبی بازگشتی چیست؟

  • آموزش شبکه های عصبی مکرر

  • مشکل انفجاری گرادیان

  • LSTM و GRU

  • تجزیه و تحلیل سری های زمانی با شبکه های LSTM

بهینه سازی عددی (در یادگیری ماشین)

  • الگوریتم نزول گرادیان

  • تئوری و اجرای شیب نزولی تصادفی

  • الگوریتم‌های ADAGrad و RMSProp

  • بهینه ساز ADAM توضیح داده شد

  • اجرای الگوریتم ADAM

13.) یادگیری تقویتی

  • فرایندهای تصمیم مارکوف (MDP)

  • تکرار ارزش و تکرار خط مشی

  • مشکل اکتشاف در مقابل بهره برداری

  • مشکل راهزنان چند مسلح

  • یادگیری Q و یادگیری عمیق Q

  • یادگیری تیک تاک با یادگیری Q و یادگیری عمیق Q

### COMPUTER VISION ###

14.) مبانی پردازش تصویر:

  • نظریه بینایی کامپیوتر

  • مقادیر شدت پیکسل چیست

  • پیچیدگی و هسته (فیلترها)

  • هسته را محو کنید

  • هسته را تیز کنید

  • تشخیص لبه در بینایی کامپیوتر (هسته تشخیص لبه)

15.) اتومبیل های سرف ران و تشخیص خط

  • نحوه استفاده از رویکردهای بینایی کامپیوتری در تشخیص خط

  • الگوریتم Canny

  • نحوه استفاده از تبدیل Hough برای یافتن خطوط بر اساس شدت پیکسل

16.) تشخیص چهره با الگوریتم ویولا جونز:

  • رویکرد ویولا جونز در بینایی کامپیوتر

  • رویکرد ویندوز کشویی چیست

  • تشخیص چهره در تصاویر و ویدئوها

17.) الگوریتم هیستوگرام گرادیان های جهت دار (HOG)

  • چگونه با رویکردهای بهتر از الگوریتم Viola-جونز بهتر عمل کنیم

  • نحوه تشخیص شیب ها و لبه ها در تصویر

  • ساخت هیستوگرام از گرادیان های جهت دار

  • استفاده از ماشین‌های بردار پشتیبانی (SVM) به عنوان الگوریتم‌های یادگیری ماشینی اساسی

18.) رویکردهای مبتنی بر شبکه های عصبی پیچشی (CNN)

  • مشکل با رویکرد ویندوز کشویی چیست

  • پیشنهادهای منطقه و الگوریتم های جستجوی انتخابی

  • شبکه های عصبی کانولوشنال مبتنی بر منطقه (C-RNN)

  • C-RNNهای سریع

  • C-RNN سریعتر

19. شما فقط یک بار نگاه می کنید (YOLO) الگوریتم تشخیص شی

  • رویکرد YOLO چیست؟

  • ساخت جعبه های مرزبندی

  • چگونه اشیاء را در یک تصویر با یک نگاه شناسایی کنیم؟

  • الگوریتم تقاطع اتحاد (IOU)

  • چگونه می توان مرتبط ترین جعبه مرزی را با سرکوب غیر حداکثری نگه داشت؟

20.) الگوریتم تشخیص شیء SDD ردیاب چند باکس تک شات (SSD)

  • ایده اصلی پشت الگوریتم SSD چیست

  • ساخت جعبه های لنگر

  • معماری های VGG16 و MobileNet

  • اجرای SSD با ویدیوهای هم‌زمان

دسترسی مادام العمر به بیش از 150 سخنرانی به اضافه اسلایدها و کدهای منبع برای سخنرانی ها را خواهید داشت!

این دوره با 30 روز ضمانت بازگشت وجه ارائه می شود! اگر به هیچ وجه راضی نیستید، پول خود را پس خواهید گرفت.

پس منتظر چه چیزی هستید؟ یادگیری ماشینی، یادگیری عمیق و دید کامپیوتر را به گونه ای بیاموزید که باعث پیشرفت شغلی و افزایش دانش شما شود، همه به روشی سرگرم کننده و کاربردی!

از اینکه به دوره پیوستید متشکریم، بیایید شروع کنیم!


سرفصل ها و درس ها

معرفی Introduction

معرفی Introduction

  • معرفی Introduction

  • معرفی Introduction

راه اندازی محیط Environment Setup

  • نصب پایتون Installing Python

  • در حال نصب PyCharm Installing PyCharm

راه اندازی محیط Environment Setup

  • نصب پایتون Installing Python

  • در حال نصب PyCharm Installing PyCharm

  • نصب TensorFlow و Keras Installing TensorFlow and Keras

  • نصب TensorFlow و Keras Installing TensorFlow and Keras

مبانی هوش مصنوعی Artificial Intelligence Basics

  • چرا باید هوش مصنوعی و یادگیری ماشین را یاد گرفت؟ Why to learn artificial intelligence and machine learning?

  • مبانی آمار Fundamentals of statistics

مبانی هوش مصنوعی Artificial Intelligence Basics

  • چرا باید هوش مصنوعی و یادگیری ماشین را یاد گرفت؟ Why to learn artificial intelligence and machine learning?

  • انواع یادگیری هوش مصنوعی Types of artificial intelligence learning

  • انواع یادگیری هوش مصنوعی Types of artificial intelligence learning

  • مبانی آمار Fundamentals of statistics

### فراگیری ماشین ### ### MACHINE LEARNING ###

### فراگیری ماشین ### ### MACHINE LEARNING ###

  • بخش یادگیری ماشینی Machine learning section

  • بخش یادگیری ماشینی Machine learning section

رگرسیون خطی Linear Regression

  • رگرسیون خطی چیست؟ What is linear regression?

  • اجرای رگرسیون خطی I Linear regression implementation I

  • آزمون رگرسیون خطی Linear Regression Quiz

رگرسیون خطی Linear Regression

  • رگرسیون خطی چیست؟ What is linear regression?

  • تئوری رگرسیون خطی - بهینه سازی Linear regression theory - optimization

  • تئوری رگرسیون خطی - بهینه سازی Linear regression theory - optimization

  • تئوری رگرسیون خطی - نزول گرادیان Linear regression theory - gradient descent

  • تئوری رگرسیون خطی - نزول گرادیان Linear regression theory - gradient descent

  • اجرای رگرسیون خطی I Linear regression implementation I

  • اجرای رگرسیون خطی II Linear regression implementation II

  • اجرای رگرسیون خطی II Linear regression implementation II

  • فرمول بندی ریاضی رگرسیون خطی Mathematical formulation of linear regression

  • فرمول بندی ریاضی رگرسیون خطی Mathematical formulation of linear regression

  • آزمون رگرسیون خطی Linear Regression Quiz

رگرسیون لجستیک Logistic Regression

  • رگرسیون لجستیک چیست؟ What is logistic regression?

  • رگرسیون لجستیک و برآورد حداکثر احتمال Logistic regression and maximum likelihood estimation

  • مثال رگرسیون لجستیک II- امتیازدهی اعتباری Logistic regression example II- credit scoring

رگرسیون لجستیک Logistic Regression

  • رگرسیون لجستیک چیست؟ What is logistic regression?

  • رگرسیون لجستیک و برآورد حداکثر احتمال Logistic regression and maximum likelihood estimation

  • مثال رگرسیون لجستیک I - تابع سیگموئید Logistic regression example I - sigmoid function

  • مثال رگرسیون لجستیک I - تابع سیگموئید Logistic regression example I - sigmoid function

  • مثال رگرسیون لجستیک II- امتیازدهی اعتباری Logistic regression example II- credit scoring

  • مثال رگرسیون لجستیک III - امتیازدهی اعتباری Logistic regression example III - credit scoring

  • مثال رگرسیون لجستیک III - امتیازدهی اعتباری Logistic regression example III - credit scoring

  • فرمول بندی ریاضی رگرسیون لجستیک Mathematical formulation of logistic regression

  • فرمول بندی ریاضی رگرسیون لجستیک Mathematical formulation of logistic regression

  • آزمون رگرسیون لجستیک Logistic Regression Quiz

  • آزمون رگرسیون لجستیک Logistic Regression Quiz

اعتبار سنجی متقابل Cross Validation

  • اعتبار متقاطع چیست؟ What is cross validation?

اعتبار سنجی متقابل Cross Validation

  • اعتبار متقاطع چیست؟ What is cross validation?

  • مثال اعتبار سنجی متقابل Cross validation example

  • مثال اعتبار سنجی متقابل Cross validation example

  • آزمون اعتبار سنجی متقابل Cross Validation Quiz

  • آزمون اعتبار سنجی متقابل Cross Validation Quiz

K-نزدیکترین همسایه طبقه بندی کننده K-Nearest Neighbor Classifier

  • k-نزدیک ترین طبقه بندی کننده همسایه چیست؟ What is the k-nearest neighbor classifier?

  • مفهوم یادگیری تنبل Concept of lazy learning

  • معیارهای فاصله - فاصله اقلیدسی Distance metrics - Euclidean-distance

  • تعصب و مبادله واریانس Bias and variance trade-off

  • K-نزدیکترین همسایه پیاده سازی I K-nearest neighbor implementation I

  • آزمون K-نزدیکترین همسایه K-Nearest Neighbor Quiz

K-نزدیکترین همسایه طبقه بندی کننده K-Nearest Neighbor Classifier

  • k-نزدیک ترین طبقه بندی کننده همسایه چیست؟ What is the k-nearest neighbor classifier?

  • مفهوم یادگیری تنبل Concept of lazy learning

  • معیارهای فاصله - فاصله اقلیدسی Distance metrics - Euclidean-distance

  • تعصب و مبادله واریانس Bias and variance trade-off

  • K-نزدیکترین همسایه پیاده سازی I K-nearest neighbor implementation I

  • پیاده سازی K-نزدیکترین همسایه II K-nearest neighbor implementation II

  • پیاده سازی K-نزدیکترین همسایه II K-nearest neighbor implementation II

  • پیاده سازی K-نزدیکترین همسایه III K-nearest neighbor implementation III

  • پیاده سازی K-نزدیکترین همسایه III K-nearest neighbor implementation III

  • فرمول‌بندی ریاضی طبقه‌بندی‌کننده k-نزدیک‌ترین همسایه Mathematical formulation of k-nearest neighbor classifier

  • فرمول‌بندی ریاضی طبقه‌بندی‌کننده k-نزدیک‌ترین همسایه Mathematical formulation of k-nearest neighbor classifier

  • آزمون K-نزدیکترین همسایه K-Nearest Neighbor Quiz

طبقه بندی کننده ساده لوح بیز Naive Bayes Classifier

  • خوشه بندی متن چیست؟ What is text clustering?

  • مثال ساده بیز - خوشه بندی اخبار Naive Bayes example - clustering news

  • آزمون طبقه بندی کننده ساده لوح بیز Naive Bayes Classifier Quiz

طبقه بندی کننده ساده لوح بیز Naive Bayes Classifier

  • طبقه بندی کننده ساده لوح بیز چیست؟ What is the naive Bayes classifier?

  • طبقه بندی کننده ساده لوح بیز چیست؟ What is the naive Bayes classifier?

  • تصویر طبقه بندی کننده ساده لوح بیز Naive Bayes classifier illustration

  • تصویر طبقه بندی کننده ساده لوح بیز Naive Bayes classifier illustration

  • پیاده سازی طبقه بندی کننده ساده بیز Naive Bayes classifier implementation

  • پیاده سازی طبقه بندی کننده ساده بیز Naive Bayes classifier implementation

  • خوشه بندی متن چیست؟ What is text clustering?

  • خوشه بندی متن - فرکانس معکوس سند (TF-IDF) Text clustering - inverse document frequency (TF-IDF)

  • خوشه بندی متن - فرکانس معکوس سند (TF-IDF) Text clustering - inverse document frequency (TF-IDF)

  • مثال ساده بیز - خوشه بندی اخبار Naive Bayes example - clustering news

  • فرمول ریاضی طبقه بندی کننده ساده بیز Mathematical formulation of naive Bayes classifier

  • فرمول ریاضی طبقه بندی کننده ساده بیز Mathematical formulation of naive Bayes classifier

  • آزمون طبقه بندی کننده ساده لوح بیز Naive Bayes Classifier Quiz

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

  • ماشین‌های بردار پشتیبان (SVM) چیست؟ What are Support Vector Machines (SVMs)?

  • توابع هسته Kernel functions

  • نمونه ماشین بردار پشتیبانی II - مجموعه داده عنبیه Support vector machine example II - iris dataset

  • نمونه ماشین بردار پشتیبانی IV - تشخیص رقم Support vector machine example IV - digit recognition

  • مزایا و معایب Advantages and disadvantages

  • مسابقه ماشین‌های بردار پشتیبانی Support Vector Machines Quiz

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

  • ماشین‌های بردار پشتیبان (SVM) چیست؟ What are Support Vector Machines (SVMs)?

  • مسائل خطی قابل تفکیک Linearly separable problems

  • مسائل خطی قابل تفکیک Linearly separable problems

  • مسائل غیرخطی قابل تفکیک Non-linearly separable problems

  • مسائل غیرخطی قابل تفکیک Non-linearly separable problems

  • توابع هسته Kernel functions

  • نمونه ماشین بردار پشتیبانی I - ساده Support vector machine example I - simple

  • نمونه ماشین بردار پشتیبانی I - ساده Support vector machine example I - simple

  • نمونه ماشین بردار پشتیبانی II - مجموعه داده عنبیه Support vector machine example II - iris dataset

  • ماشین های بردار پشتیبانی به عنوان مثال III - تنظیم پارامتر Support vector machines example III - parameter tuning

  • ماشین های بردار پشتیبانی به عنوان مثال III - تنظیم پارامتر Support vector machines example III - parameter tuning

  • نمونه ماشین بردار پشتیبانی IV - تشخیص رقم Support vector machine example IV - digit recognition

  • نمونه ماشین بردار پشتیبانی V - تشخیص رقم Support vector machine example V - digit recognition

  • نمونه ماشین بردار پشتیبانی V - تشخیص رقم Support vector machine example V - digit recognition

  • مزایا و معایب Advantages and disadvantages

  • فرمول‌بندی ریاضی ماشین‌های بردار پشتیبان (SVM) Mathematical formulation of Support Vector Machines (SVMs)

  • فرمول‌بندی ریاضی ماشین‌های بردار پشتیبان (SVM) Mathematical formulation of Support Vector Machines (SVMs)

  • مسابقه ماشین‌های بردار پشتیبانی Support Vector Machines Quiz

درختان تصمیم Decision Trees

  • معرفی درختان تصمیم - آنتروپی Decision trees introduction - entropy

  • اجرای درختان تصمیم II - تنظیم پارامتر Decision trees implementation II - parameter tuning

درختان تصمیم Decision Trees

  • مقدمه درختان تصمیم - مبانی Decision trees introduction - basics

  • مقدمه درختان تصمیم - مبانی Decision trees introduction - basics

  • معرفی درختان تصمیم - آنتروپی Decision trees introduction - entropy

  • معرفی درختان تصمیم - به دست آوردن اطلاعات Decision trees introduction - information gain

  • معرفی درختان تصمیم - به دست آوردن اطلاعات Decision trees introduction - information gain

  • رویکرد شاخص جینی The Gini-index approach

  • رویکرد شاخص جینی The Gini-index approach

  • معرفی درختان تصمیم - جوانب مثبت و منفی Decision trees introduction - pros and cons

  • معرفی درختان تصمیم - جوانب مثبت و منفی Decision trees introduction - pros and cons

  • اجرای درختان تصمیم I Decision trees implementation I

  • اجرای درختان تصمیم I Decision trees implementation I

  • اجرای درختان تصمیم II - تنظیم پارامتر Decision trees implementation II - parameter tuning

  • اجرای درخت تصمیم III - شناسایی سرطان Decision tree implementation III - identifying cancer

  • اجرای درخت تصمیم III - شناسایی سرطان Decision tree implementation III - identifying cancer

  • فرمول بندی ریاضی درختان تصمیم Mathematical formulation of decision trees

  • فرمول بندی ریاضی درختان تصمیم Mathematical formulation of decision trees

  • مسابقه درختان تصمیم Decision Trees Quiz

  • مسابقه درختان تصمیم Decision Trees Quiz

طبقه بندی جنگل تصادفی Random Forest Classifier

  • مثال جنگل های تصادفی I - مجموعه داده عنبیه Random forests example I - iris dataset

  • مثال جنگل های تصادفی II - امتیازدهی اعتباری Random forests example II - credit scoring

  • فرمول‌بندی ریاضی طبقه‌بندی‌کننده‌های تصادفی جنگل Mathematical formulation of random forest classifiers

طبقه بندی جنگل تصادفی Random Forest Classifier

  • مقدمه هرس Pruning introduction

  • مقدمه هرس Pruning introduction

  • معرفی کیسه Bagging introduction

  • معرفی کیسه Bagging introduction

  • معرفی طبقه بندی کننده تصادفی جنگل Random forest classifier introduction

  • معرفی طبقه بندی کننده تصادفی جنگل Random forest classifier introduction

  • مثال جنگل های تصادفی I - مجموعه داده عنبیه Random forests example I - iris dataset

  • مثال جنگل های تصادفی II - امتیازدهی اعتباری Random forests example II - credit scoring

  • مثال جنگل های تصادفی III - تنظیم پارامتر OCR Random forests example III - OCR parameter tuning

  • مثال جنگل های تصادفی III - تنظیم پارامتر OCR Random forests example III - OCR parameter tuning

  • فرمول‌بندی ریاضی طبقه‌بندی‌کننده‌های تصادفی جنگل Mathematical formulation of random forest classifiers

  • مسابقه تصادفی جنگل ها Random Forests Quiz

  • مسابقه تصادفی جنگل ها Random Forests Quiz

افزایش Boosting

  • تقویت مقدمه - مبانی Boosting introduction - basics

  • تقویت مقدمه - معادلات Boosting introduction - equations

  • تقویت مقدمه - فرمول نهایی Boosting introduction - final formula

  • تقویت پیاده سازی II -طبقه بندی شراب Boosting implementation II -wine classification

  • فرمول ریاضی تقویت Mathematical formulation of boosting

افزایش Boosting

  • تقویت مقدمه - مبانی Boosting introduction - basics

  • تقویت مقدمه - تصویر Boosting introduction - illustration

  • تقویت مقدمه - تصویر Boosting introduction - illustration

  • تقویت مقدمه - معادلات Boosting introduction - equations

  • تقویت مقدمه - فرمول نهایی Boosting introduction - final formula

  • تقویت اجرای I - مجموعه داده iris Boosting implementation I - iris dataset

  • تقویت اجرای I - مجموعه داده iris Boosting implementation I - iris dataset

  • تقویت پیاده سازی II -طبقه بندی شراب Boosting implementation II -wine classification

  • تقویت در مقابل کیسه زدن Boosting vs. bagging

  • تقویت در مقابل کیسه زدن Boosting vs. bagging

  • فرمول ریاضی تقویت Mathematical formulation of boosting

  • آزمون تقویت Boosting Quiz

  • آزمون تقویت Boosting Quiz

تجزیه و تحلیل اجزای اصلی (PCA) Principal Component Analysis (PCA)

  • تجزیه و تحلیل مؤلفه اصلی مثال II Principal component analysis example II

تجزیه و تحلیل اجزای اصلی (PCA) Principal Component Analysis (PCA)

  • مقدمه تجزیه و تحلیل مؤلفه اصلی (PCA). Principal component analysis (PCA) introduction

  • مقدمه تجزیه و تحلیل مؤلفه اصلی (PCA). Principal component analysis (PCA) introduction

  • مثال تجزیه و تحلیل مؤلفه اصلی Principal component analysis example

  • مثال تجزیه و تحلیل مؤلفه اصلی Principal component analysis example

  • تجزیه و تحلیل مؤلفه اصلی مثال II Principal component analysis example II

  • فرمول ریاضی تجزیه و تحلیل مؤلفه های اصلی (PCA) Mathematical formulation of principle component analysis (PCA)

  • فرمول ریاضی تجزیه و تحلیل مؤلفه های اصلی (PCA) Mathematical formulation of principle component analysis (PCA)

  • آزمون PCA PCA Quiz

  • آزمون PCA PCA Quiz

خوشه بندی Clustering

  • K-به معنای مثال خوشه بندی است K-means clustering example

  • K-means خوشه بندی - خوشه بندی متن K-means clustering - text clustering

  • مثال DBSCAN DBSCAN example

  • مقدمه خوشه بندی سلسله مراتبی Hierarchical clustering introduction

  • خوشه بندی سلسله مراتبی - تقسیم بندی بازار Hierarchical clustering - market segmentation

  • فرمول بندی ریاضی خوشه بندی Mathematical formulation of clustering

خوشه بندی Clustering

  • K-به معنای معرفی خوشه بندی است K-means clustering introduction

  • K-به معنای معرفی خوشه بندی است K-means clustering introduction

  • K-به معنای مثال خوشه بندی است K-means clustering example

  • K-means خوشه بندی - خوشه بندی متن K-means clustering - text clustering

  • معرفی DBSCAN DBSCAN introduction

  • معرفی DBSCAN DBSCAN introduction

  • مثال DBSCAN DBSCAN example

  • مقدمه خوشه بندی سلسله مراتبی Hierarchical clustering introduction

  • نمونه خوشه بندی سلسله مراتبی Hierarchical clustering example

  • نمونه خوشه بندی سلسله مراتبی Hierarchical clustering example

  • خوشه بندی سلسله مراتبی - تقسیم بندی بازار Hierarchical clustering - market segmentation

  • فرمول بندی ریاضی خوشه بندی Mathematical formulation of clustering

  • آزمون خوشه بندی Clustering Quiz

  • آزمون خوشه بندی Clustering Quiz

پروژه یادگیری ماشین I - تشخیص چهره Machine Learning Project I - Face Recognition

  • مجموعه داده Olivetti The Olivetti dataset

  • یافتن تعداد بهینه مولفه های اصلی (بردارهای ویژه) Finding optimal number of principal components (eigenvectors)

  • ساخت مدل های یادگیری ماشینی Constructing the machine learning models

  • با استفاده از اعتبارسنجی متقابل Using cross-validation

پروژه یادگیری ماشین I - تشخیص چهره Machine Learning Project I - Face Recognition

  • مجموعه داده Olivetti The Olivetti dataset

  • درک مجموعه داده Understanding the dataset

  • درک مجموعه داده Understanding the dataset

  • یافتن تعداد بهینه مولفه های اصلی (بردارهای ویژه) Finding optimal number of principal components (eigenvectors)

  • درک "چهره های ویژه" Understanding "eigenfaces"

  • درک "چهره های ویژه" Understanding "eigenfaces"

  • ساخت مدل های یادگیری ماشینی Constructing the machine learning models

  • با استفاده از اعتبارسنجی متقابل Using cross-validation

### شبکه های عصبی و یادگیری عمیق ### ### NEURAL NETWORKS AND DEEP LEARNING ###

### شبکه های عصبی و یادگیری عمیق ### ### NEURAL NETWORKS AND DEEP LEARNING ###

  • بخش شبکه های عصبی و یادگیری عمیق Neural networks and deep learning section

  • بخش شبکه های عصبی و یادگیری عمیق Neural networks and deep learning section

تئوری شبکه های عصبی پیشخور Feed-Forward Neural Network Theory

  • شبکه های عصبی مصنوعی - الهام بخش Artificial neural networks - inspiration

  • شبکه های عصبی مصنوعی - مدل Artificial neural networks - the model

  • چرا باید از توابع فعال سازی استفاده کرد؟ Why to use activation functions?

  • شبکه های عصبی - تصویر بزرگ Neural networks - the big picture

  • چگونه خطای شبکه را اندازه گیری کنیم؟ How to measure the error of the network?

  • بهینه سازی با نزول گرادیان Optimization with gradient descent

  • نزول گرادیان با پس انتشار Gradient descent with backpropagation

تئوری شبکه های عصبی پیشخور Feed-Forward Neural Network Theory

  • شبکه های عصبی مصنوعی - الهام بخش Artificial neural networks - inspiration

  • شبکه های عصبی مصنوعی - لایه ها Artificial neural networks - layers

  • شبکه های عصبی مصنوعی - لایه ها Artificial neural networks - layers

  • شبکه های عصبی مصنوعی - مدل Artificial neural networks - the model

  • چرا باید از توابع فعال سازی استفاده کرد؟ Why to use activation functions?

  • شبکه های عصبی - تصویر بزرگ Neural networks - the big picture

  • استفاده از گره های بایاس در شبکه عصبی Using bias nodes in the neural network

  • استفاده از گره های بایاس در شبکه عصبی Using bias nodes in the neural network

  • چگونه خطای شبکه را اندازه گیری کنیم؟ How to measure the error of the network?

  • بهینه سازی با نزول گرادیان Optimization with gradient descent

  • نزول گرادیان با پس انتشار Gradient descent with backpropagation

  • پس انتشار توضیح داد Backpropagation explained

  • پس انتشار توضیح داد Backpropagation explained

  • فرمول‌بندی ریاضی شبکه‌های عصبی پیش‌خور Mathematical formulation of feed-forward neural networks

  • فرمول‌بندی ریاضی شبکه‌های عصبی پیش‌خور Mathematical formulation of feed-forward neural networks

  • مسابقه شبکه های عصبی پیشخور Feed-Forward Neural Networks Quiz

  • مسابقه شبکه های عصبی پیشخور Feed-Forward Neural Networks Quiz

پیاده سازی شبکه های تک لایه Single Layer Networks Implementation

  • پیاده سازی ساده شبکه عصبی - مشکل XOR Simple neural network implementation - XOR problem

  • پیاده سازی ساده شبکه عصبی - مجموعه داده Iris Simple neural network implementation - Iris dataset

  • امتیازدهی اعتبار با شبکه های عصبی ساده Credit scoring with simple neural networks

پیاده سازی شبکه های تک لایه Single Layer Networks Implementation

  • پیاده سازی ساده شبکه عصبی - مشکل XOR Simple neural network implementation - XOR problem

  • پیاده سازی ساده شبکه عصبی - مجموعه داده Iris Simple neural network implementation - Iris dataset

  • امتیازدهی اعتبار با شبکه های عصبی ساده Credit scoring with simple neural networks

یادگیری عمیق Deep Learning

  • انواع شبکه های عصبی Types of neural networks

یادگیری عمیق Deep Learning

  • انواع شبکه های عصبی Types of neural networks

نظریه شبکه های عصبی عمیق Deep Neural Networks Theory

  • شبکه های عصبی عمیق Deep neural networks

  • نزول گرادیان و نزول گرادیان تصادفی Gradient descent and stochastic gradient descent

  • فراپارامترها Hyperparameters

  • آزمون شبکه های عصبی عمیق Deep Neural Networks Quiz

نظریه شبکه های عصبی عمیق Deep Neural Networks Theory

  • شبکه های عصبی عمیق Deep neural networks

  • توابع فعال‌سازی مجدداً بررسی شدند Activation functions revisited

  • توابع فعال‌سازی مجدداً بررسی شدند Activation functions revisited

  • توابع از دست دادن Loss functions

  • توابع از دست دادن Loss functions

  • نزول گرادیان و نزول گرادیان تصادفی Gradient descent and stochastic gradient descent

  • فراپارامترها Hyperparameters

  • فرمول‌بندی ریاضی شبکه‌های عصبی عمیق Mathematical formulation of deep neural networks

  • فرمول‌بندی ریاضی شبکه‌های عصبی عمیق Mathematical formulation of deep neural networks

  • آزمون شبکه های عصبی عمیق Deep Neural Networks Quiz

پیاده سازی شبکه های عصبی عمیق Deep Neural Networks Implementation

  • پیاده سازی شبکه عصبی عمیق I Deep neural network implementation I

  • پیاده سازی شبکه عصبی عمیق III Deep neural network implementation III

  • پیاده سازی طبقه بندی چند کلاسه I Multiclass classification implementation I

پیاده سازی شبکه های عصبی عمیق Deep Neural Networks Implementation

  • پیاده سازی شبکه عصبی عمیق I Deep neural network implementation I

  • پیاده سازی شبکه عصبی عمیق II Deep neural network implementation II

  • پیاده سازی شبکه عصبی عمیق II Deep neural network implementation II

  • پیاده سازی شبکه عصبی عمیق III Deep neural network implementation III

  • پیاده سازی طبقه بندی چند کلاسه I Multiclass classification implementation I

  • پیاده سازی طبقه بندی چند کلاسه II Multiclass classification implementation II

  • پیاده سازی طبقه بندی چند کلاسه II Multiclass classification implementation II

پروژه یادگیری ماشین دوم - آشکارساز لبخند Machine Learning Project II - Smile Detector

  • درک مسئله طبقه بندی Understanding the classification problem

  • خواندن تصاویر و ساخت مجموعه داده I Reading the images and constructing the dataset I

  • خواندن تصاویر و ساخت مجموعه داده II Reading the images and constructing the dataset II

پروژه یادگیری ماشین دوم - آشکارساز لبخند Machine Learning Project II - Smile Detector

  • درک مسئله طبقه بندی Understanding the classification problem

  • خواندن تصاویر و ساخت مجموعه داده I Reading the images and constructing the dataset I

  • خواندن تصاویر و ساخت مجموعه داده II Reading the images and constructing the dataset II

  • ساخت مدل شبکه عصبی عمیق Building the deep neural network model

  • ساخت مدل شبکه عصبی عمیق Building the deep neural network model

  • ارزیابی و آزمایش مدل Evaluating and testing the model

  • ارزیابی و آزمایش مدل Evaluating and testing the model

نظریه شبکه های عصبی کانولوشنال (CNN). Convolutional Neural Networks (CNNs) Theory

  • مبانی شبکه های عصبی کانولوشنال Convolutional neural networks basics

  • انتخاب ویژگی Feature selection

  • شبکه های عصبی کانولوشن - تجمیع Convolutional neural networks - pooling

  • ابزار تجسم CNN CNN visualization tool

  • فرمول بندی ریاضی شبکه های عصبی کانولوشن Mathematical formulation of convolution neural networks

  • آزمون شبکه های عصبی کانولوشن (CNN) Convolutional Neural Networks (CNNs) Quiz

نظریه شبکه های عصبی کانولوشنال (CNN). Convolutional Neural Networks (CNNs) Theory

  • مبانی شبکه های عصبی کانولوشنال Convolutional neural networks basics

  • انتخاب ویژگی Feature selection

  • شبکه های عصبی کانولوشن - هسته Convolutional neural networks - kernel

  • شبکه های عصبی کانولوشن - هسته Convolutional neural networks - kernel

  • شبکه های عصبی کانولوشن - هسته II Convolutional neural networks - kernel II

  • شبکه های عصبی کانولوشن - هسته II Convolutional neural networks - kernel II

  • شبکه های عصبی کانولوشن - تجمیع Convolutional neural networks - pooling

  • شبکه های عصبی کانولوشن - مسطح کردن Convolutional neural networks - flattening

  • شبکه های عصبی کانولوشن - مسطح کردن Convolutional neural networks - flattening

  • شبکه های عصبی کانولوشنال - تصویر Convolutional neural networks - illustration

  • شبکه های عصبی کانولوشنال - تصویر Convolutional neural networks - illustration

  • ابزار تجسم CNN CNN visualization tool

  • فرمول بندی ریاضی شبکه های عصبی کانولوشن Mathematical formulation of convolution neural networks

  • آزمون شبکه های عصبی کانولوشن (CNN) Convolutional Neural Networks (CNNs) Quiz

پیاده سازی شبکه های عصبی کانولوشنال (CNN). Convolutional Neural Networks (CNNs) Implementation

  • دسته بندی رقمی دست نویس I Handwritten digit classification I

  • دسته بندی رقمی دست نویس III Handwritten digit classification III

پیاده سازی شبکه های عصبی کانولوشنال (CNN). Convolutional Neural Networks (CNNs) Implementation

  • دسته بندی رقمی دست نویس I Handwritten digit classification I

  • دسته بندی رقمی دست نویس II Handwritten digit classification II

  • دسته بندی رقمی دست نویس II Handwritten digit classification II

  • دسته بندی رقمی دست نویس III Handwritten digit classification III

پروژه یادگیری ماشین III - شناسایی اشیاء با CNN Machine Learning Project III - Identifying Objects with CNNs

  • مجموعه داده CIFAR-10 چیست؟ What is the CIFAR-10 dataset?

  • تناسب مدل Fitting the model

پروژه یادگیری ماشین III - شناسایی اشیاء با CNN Machine Learning Project III - Identifying Objects with CNNs

  • مجموعه داده CIFAR-10 چیست؟ What is the CIFAR-10 dataset?

  • پیش پردازش داده ها Preprocessing the data

  • پیش پردازش داده ها Preprocessing the data

  • تناسب مدل Fitting the model

  • تنظیم پارامترها - تنظیم Tuning the parameters - regularization

  • تنظیم پارامترها - تنظیم Tuning the parameters - regularization

نظریه شبکه های عصبی مکرر (RNNs). Recurrent Neural Networks (RNNs) Theory

  • چرا شبکه های عصبی تکراری مهم هستند؟ Why do recurrent neural networks are important?

  • مبانی شبکه های عصبی تکراری Recurrent neural networks basics

  • مدل حافظه بلند مدت (LSTM). Long-short term memory (LSTM) model

  • واحدهای مکرر دروازه ای (GRU) Gated recurrent units (GRUs)

  • آزمون شبکه های عصبی مکرر Recurrent Neural Networks Quiz

نظریه شبکه های عصبی مکرر (RNNs). Recurrent Neural Networks (RNNs) Theory

  • چرا شبکه های عصبی تکراری مهم هستند؟ Why do recurrent neural networks are important?

  • مبانی شبکه های عصبی تکراری Recurrent neural networks basics

  • مشکل شیب ناپدید شدن و انفجار Vanishing and exploding gradients problem

  • مشکل شیب ناپدید شدن و انفجار Vanishing and exploding gradients problem

  • مدل حافظه بلند مدت (LSTM). Long-short term memory (LSTM) model

  • واحدهای مکرر دروازه ای (GRU) Gated recurrent units (GRUs)

  • فرمول‌بندی ریاضی شبکه‌های عصبی بازگشتی Mathematical formulation of recurrent neural networks

  • فرمول‌بندی ریاضی شبکه‌های عصبی بازگشتی Mathematical formulation of recurrent neural networks

  • آزمون شبکه های عصبی مکرر Recurrent Neural Networks Quiz

پیاده سازی شبکه های عصبی مکرر (RNNs). Recurrent Neural Networks (RNNs) Implementation

  • مثال تحلیل سری زمانی I Time series analysis example I

  • مثال تجزیه و تحلیل سری های زمانی II Time series analysis example II

  • مثال تحلیل سری زمانی III Time series analysis example III

  • مثال تجزیه و تحلیل سری های زمانی VI Time series analysis example VI

پیاده سازی شبکه های عصبی مکرر (RNNs). Recurrent Neural Networks (RNNs) Implementation

  • مثال تحلیل سری زمانی I Time series analysis example I

  • مثال تجزیه و تحلیل سری های زمانی II Time series analysis example II

  • مثال تحلیل سری زمانی III Time series analysis example III

  • مثال تحلیل سری زمانی IV Time series analysis example IV

  • مثال تحلیل سری زمانی IV Time series analysis example IV

  • مثال تحلیل سری زمانی V Time series analysis example V

  • مثال تحلیل سری زمانی V Time series analysis example V

  • مثال تجزیه و تحلیل سری های زمانی VI Time series analysis example VI

### بهینه سازی عددی (بهینه سازها) ### ### NUMERICAL OPTIMIZATION (OPTIMIZERS) ###

  • الگوریتم های بهینه سازی عددی در یادگیری ماشینی Numerical optimization algorithms in machine learning

  • نزول گرادیان با تکانه Gradient descent with momentum

  • مقدمه نزول گرادیان تصادفی Stochastic gradient descent introduction

  • اجرای نزول گرادیان تصادفی I Stochastic gradient descent implementation I

  • ADAGrad چیست؟ What is ADAGrad?

  • اجرای ADAGrad ADAGrad implementation

  • معرفی بهینه ساز ADAM ADAM optimizer introduction

### بهینه سازی عددی (بهینه سازها) ### ### NUMERICAL OPTIMIZATION (OPTIMIZERS) ###

  • الگوریتم های بهینه سازی عددی در یادگیری ماشینی Numerical optimization algorithms in machine learning

  • شیب نزول چیست؟ What is gradient descent?

  • شیب نزول چیست؟ What is gradient descent?

  • اجرای گرادیان نزول Gradient descent implementation

  • اجرای گرادیان نزول Gradient descent implementation

  • نزول گرادیان با تکانه Gradient descent with momentum

  • مقدمه نزول گرادیان تصادفی Stochastic gradient descent introduction

  • اجرای نزول گرادیان تصادفی I Stochastic gradient descent implementation I

  • اجرای نزول گرادیان تصادفی II Stochastic gradient descent implementation II

  • اجرای نزول گرادیان تصادفی II Stochastic gradient descent implementation II

  • ADAGrad چیست؟ What is ADAGrad?

  • اجرای ADAGrad ADAGrad implementation

  • RMSProp چیست؟ What is RMSProp?

  • RMSProp چیست؟ What is RMSProp?

  • معرفی بهینه ساز ADAM ADAM optimizer introduction

  • پیاده سازی بهینه ساز ADAM ADAM optimizer implementation

  • پیاده سازی بهینه ساز ADAM ADAM optimizer implementation

  • فرمول‌بندی ریاضی الگوریتم‌های بهینه‌سازی در یادگیری ماشین Mathematical formulation of optimization algorithms in machine learning

  • فرمول‌بندی ریاضی الگوریتم‌های بهینه‌سازی در یادگیری ماشین Mathematical formulation of optimization algorithms in machine learning

### یادگیری تقویتی ### ### REINFORCEMENT LEARNING ###

  • کاربردهای یادگیری تقویتی Applications of reinforcement learning

### یادگیری تقویتی ### ### REINFORCEMENT LEARNING ###

  • یادگیری تقویتی چیست؟ What is reinforcement learning?

  • یادگیری تقویتی چیست؟ What is reinforcement learning?

  • کاربردهای یادگیری تقویتی Applications of reinforcement learning

نظریه فرآیند تصمیم گیری مارکوف (MDP). Markov Decision Process (MDP) Theory

  • مبانی فرآیندهای تصمیم مارکوف I Markov decision processes basics I

  • مبانی فرآیندهای تصمیم مارکوف II Markov decision processes basics II

  • چگونه مشکلات MDP را حل کنیم؟ How to solve MDP problems?

  • آزمون مبانی یادگیری تقویتی Reinforcement Learning Basics Quiz

نظریه فرآیند تصمیم گیری مارکوف (MDP). Markov Decision Process (MDP) Theory

  • مبانی فرآیندهای تصمیم مارکوف I Markov decision processes basics I

  • مبانی فرآیندهای تصمیم مارکوف II Markov decision processes basics II

  • فرآیندهای تصمیم مارکوف - معادلات Markov decision processes - equations

  • فرآیندهای تصمیم مارکوف - معادلات Markov decision processes - equations

  • فرآیندهای تصمیم مارکوف - تصویر Markov decision processes - illustration

  • فرآیندهای تصمیم مارکوف - تصویر Markov decision processes - illustration

  • معادله بلمن Bellman-equation

  • معادله بلمن Bellman-equation

  • چگونه مشکلات MDP را حل کنیم؟ How to solve MDP problems?

  • تکرار ارزش چیست؟ What is value iteration?

  • تکرار ارزش چیست؟ What is value iteration?

  • تکرار سیاست چیست؟ What is policy iteration?

  • تکرار سیاست چیست؟ What is policy iteration?

  • فرمول ریاضی یادگیری تقویتی Mathematical formulation of reinforcement learning

  • فرمول ریاضی یادگیری تقویتی Mathematical formulation of reinforcement learning

  • آزمون مبانی یادگیری تقویتی Reinforcement Learning Basics Quiz

مشکل اکتشاف در مقابل بهره برداری Exploration vs. Exploitation Problem

  • معرفی مشکل راهزن مسلح N N-armed bandit problem introduction

  • مسابقه اکتشاف در مقابل بهره برداری Exploration vs. Exploitation Quiz

مشکل اکتشاف در مقابل بهره برداری Exploration vs. Exploitation Problem

  • مشکل اکتشاف در مقابل استثمار Exploration vs exploitation problem

  • مشکل اکتشاف در مقابل استثمار Exploration vs exploitation problem

  • معرفی مشکل راهزن مسلح N N-armed bandit problem introduction

  • پیاده سازی مشکل راهزن مسلح N N-armed bandit problem implementation

  • پیاده سازی مشکل راهزن مسلح N N-armed bandit problem implementation

  • کاربردها: تست A/B در بازاریابی Applications: A/B testing in marketing

  • کاربردها: تست A/B در بازاریابی Applications: A/B testing in marketing

  • مسابقه اکتشاف در مقابل بهره برداری Exploration vs. Exploitation Quiz

نظریه یادگیری Q Q Learning Theory

  • یادگیری Q چیست؟ What is Q learning?

  • مقدمه یادگیری Q - الگوریتم Q learning introduction - the algorithm

  • فرمول بندی ریاضی یادگیری کیو Mathematical formulation of Q learning

  • آزمون یادگیری Q Q Learning Quiz

نظریه یادگیری Q Q Learning Theory

  • یادگیری Q چیست؟ What is Q learning?

  • مقدمه یادگیری Q - الگوریتم Q learning introduction - the algorithm

  • تصویر یادگیری Q Q learning illustration

  • تصویر یادگیری Q Q learning illustration

  • فرمول بندی ریاضی یادگیری کیو Mathematical formulation of Q learning

  • آزمون یادگیری Q Q Learning Quiz

پیاده سازی یادگیری Q (Tic Tac Toe) Q Learning Implementation (Tic Tac Toe)

  • تیک تاک پا با اجرای یادگیری Q I Tic tac toe with Q learning implementation I

  • تیک تاک پا با اجرای یادگیری Q IV Tic tac toe with Q learning implementation IV

  • تیک تاک پا با اجرای یادگیری Q VI Tic tac toe with Q learning implementation VI

  • تیک تاک پا با اجرای یادگیری Q VIII Tic tac toe with Q learning implementation VIII

پیاده سازی یادگیری Q (Tic Tac Toe) Q Learning Implementation (Tic Tac Toe)

  • تیک تاک پا با اجرای یادگیری Q I Tic tac toe with Q learning implementation I

  • تیک تاک پا با اجرای یادگیری Q II Tic tac toe with Q learning implementation II

  • تیک تاک پا با اجرای یادگیری Q II Tic tac toe with Q learning implementation II

  • تیک تاک پا با اجرای یادگیری Q III Tic tac toe with Q learning implementation III

  • تیک تاک پا با اجرای یادگیری Q III Tic tac toe with Q learning implementation III

  • تیک تاک پا با اجرای یادگیری Q IV Tic tac toe with Q learning implementation IV

  • تیک تاک پا با اجرای یادگیری Q V Tic tac toe with Q learning implementation V

  • تیک تاک پا با اجرای یادگیری Q V Tic tac toe with Q learning implementation V

  • تیک تاک پا با اجرای یادگیری Q VI Tic tac toe with Q learning implementation VI

  • تیک تاک پا با اجرای یادگیری Q VII Tic tac toe with Q learning implementation VII

  • تیک تاک پا با اجرای یادگیری Q VII Tic tac toe with Q learning implementation VII

  • تیک تاک پا با اجرای یادگیری Q VIII Tic tac toe with Q learning implementation VIII

نظریه یادگیری عمیق Q Deep Q Learning Theory

  • یادگیری دیپ کیو و استراتژی ε-غریب Deep Q learning and ε-greedy strategy

نظریه یادگیری عمیق Q Deep Q Learning Theory

  • یادگیری عمیق Q چیست؟ What is deep Q learning?

  • یادگیری عمیق Q چیست؟ What is deep Q learning?

  • یادگیری دیپ کیو و استراتژی ε-غریب Deep Q learning and ε-greedy strategy

  • به خاطر بسپارید و دوباره پخش کنید Remember and replay

  • به خاطر بسپارید و دوباره پخش کنید Remember and replay

  • فرمول ریاضی یادگیری عمیق کیو Mathematical formulation of deep Q learning

  • فرمول ریاضی یادگیری عمیق کیو Mathematical formulation of deep Q learning

  • مسابقه یادگیری عمیق Q Deep Q Learning Quiz

  • مسابقه یادگیری عمیق Q Deep Q Learning Quiz

پیاده سازی Deep Q Learning (Tic Tac Toe) Deep Q Learning Implementation (Tic Tac Toe)

  • تیک تاک با پیاده سازی یادگیری عمیق Q I Tic Tac Toe with deep Q learning implementation I

  • تیک تاک پا با اجرای یادگیری عمیق Q II Tic Tac Toe with deep Q learning implementation II

  • تیک تاک پا با اجرای یادگیری عمیق Q III Tic Tac Toe with deep Q learning implementation III

  • تیک تاک پا با اجرای یادگیری عمیق Q IV Tic Tac Toe with deep Q learning implementation IV

پیاده سازی Deep Q Learning (Tic Tac Toe) Deep Q Learning Implementation (Tic Tac Toe)

  • تیک تاک با پیاده سازی یادگیری عمیق Q I Tic Tac Toe with deep Q learning implementation I

  • تیک تاک پا با اجرای یادگیری عمیق Q II Tic Tac Toe with deep Q learning implementation II

  • تیک تاک پا با اجرای یادگیری عمیق Q III Tic Tac Toe with deep Q learning implementation III

  • تیک تاک پا با اجرای یادگیری عمیق Q IV Tic Tac Toe with deep Q learning implementation IV

  • تیک تاک با پیاده سازی یادگیری عمیق Q V Tic Tac Toe with deep Q learning implementation V

  • تیک تاک با پیاده سازی یادگیری عمیق Q V Tic Tac Toe with deep Q learning implementation V

### بینایی کامپیوتری ### ### COMPUTER VISION ###

### بینایی کامپیوتری ### ### COMPUTER VISION ###

  • تکامل الگوریتم های مربوط به بینایی کامپیوتری Evolution of computer vision related algorithms

  • تکامل الگوریتم های مربوط به بینایی کامپیوتری Evolution of computer vision related algorithms

مدیریت تصاویر و پیکسل ها Handling Images and Pixels

  • کنترل شدت پیکسل I Handling pixel intensities I

  • پردازش تصویر - هسته تشخیص لبه Image processing - edge detection kernel

  • آزمون پردازش تصویر Image Processing Quiz

مدیریت تصاویر و پیکسل ها Handling Images and Pixels

  • تصاویر و شدت پیکسل Images and pixel intensities

  • تصاویر و شدت پیکسل Images and pixel intensities

  • کنترل شدت پیکسل I Handling pixel intensities I

  • کنترل شدت پیکسل II Handling pixel intensities II

  • کنترل شدت پیکسل II Handling pixel intensities II

  • چرا پیچیدگی در پردازش تصویر بسیار مهم است؟ Why convolution is so important in image processing?

  • چرا پیچیدگی در پردازش تصویر بسیار مهم است؟ Why convolution is so important in image processing?

  • پردازش تصویر - عملیات تاری Image processing - blur operation

  • پردازش تصویر - عملیات تاری Image processing - blur operation

  • پردازش تصویر - هسته تشخیص لبه Image processing - edge detection kernel

  • پردازش تصویر - عملیات تیز کردن Image processing - sharpen operation

  • پردازش تصویر - عملیات تیز کردن Image processing - sharpen operation

  • آزمون پردازش تصویر Image Processing Quiz

پروژه Computer Vision I - مشکل تشخیص خط (خودروهای خودران) Computer Vision Project I - Lane Detection Problem (Self-Driving Cars)

  • تشخیص خط - مدیریت فیلم ها Lane detection - handling videos

  • تشخیص خط - اولین تحولات Lane detection - first transformations

  • تشخیص لبه Canny چیست؟ What is Canny edge detection?

  • تشخیص خطوط - تبدیل هاف چیست؟ Detecting lines - what is Hough transformation?

  • تصویر تحول Hough Hough transformation illustration

پروژه Computer Vision I - مشکل تشخیص خط (خودروهای خودران) Computer Vision Project I - Lane Detection Problem (Self-Driving Cars)

  • تشخیص خط - مشکل Lane detection - the problem

  • تشخیص خط - مشکل Lane detection - the problem

  • تشخیص خط - مدیریت فیلم ها Lane detection - handling videos

  • تشخیص خط - اولین تحولات Lane detection - first transformations

  • تشخیص لبه Canny چیست؟ What is Canny edge detection?

  • به دست آوردن منطقه مفید تصویر - ماسک کردن Getting the useful region of the image - masking

  • به دست آوردن منطقه مفید تصویر - ماسک کردن Getting the useful region of the image - masking

  • تشخیص خطوط - تبدیل هاف چیست؟ Detecting lines - what is Hough transformation?

  • تصویر تحول Hough Hough transformation illustration

  • کشیدن خطوط روی فریم های ویدئویی Drawing lines on video frames

  • کشیدن خطوط روی فریم های ویدئویی Drawing lines on video frames

  • آزمایش الگوریتم تشخیص خط Testing lane detection algorithm

  • آزمایش الگوریتم تشخیص خط Testing lane detection algorithm

نظریه الگوریتم تشخیص چهره ویولا جونز Viola-Jones Face Detection Algorithm Theory

  • الگوریتم ویولا جونز Viola-Jones algorithm

  • هار-ویژگی ها Haar-features

  • تقویت بینایی کامپیوتر Boosting in computer vision

  • آبشاری Cascading

  • مقالات پژوهشی دانشگاهی اصلی Original academic research articles

نظریه الگوریتم تشخیص چهره ویولا جونز Viola-Jones Face Detection Algorithm Theory

  • الگوریتم ویولا جونز Viola-Jones algorithm

  • هار-ویژگی ها Haar-features

  • تصاویر یکپارچه Integral images

  • تصاویر یکپارچه Integral images

  • تقویت بینایی کامپیوتر Boosting in computer vision

  • آبشاری Cascading

  • مقالات پژوهشی دانشگاهی اصلی Original academic research articles

  • آزمون تشخیص چهره Face Detection Quiz

  • آزمون تشخیص چهره Face Detection Quiz

تشخیص چهره با اجرای روش ویولا جونز Face Detection with Viola-Jones Method Implementation

  • پیاده سازی تشخیص چهره IV - تنظیم پارامترها Face detection implementation IV - tuning the parameters

تشخیص چهره با اجرای روش ویولا جونز Face Detection with Viola-Jones Method Implementation

  • پیاده سازی تشخیص چهره I - نصب OpenCV Face detection implementation I - installing OpenCV

  • پیاده سازی تشخیص چهره I - نصب OpenCV Face detection implementation I - installing OpenCV

  • پیاده سازی تشخیص چهره II - CascadeClassifier Face detection implementation II - CascadeClassifier

  • پیاده سازی تشخیص چهره II - CascadeClassifier Face detection implementation II - CascadeClassifier

  • پیاده سازی تشخیص چهره III - پارامترهای CascadeClassifier Face detection implementation III - CascadeClassifier parameters

  • پیاده سازی تشخیص چهره III - پارامترهای CascadeClassifier Face detection implementation III - CascadeClassifier parameters

  • پیاده سازی تشخیص چهره IV - تنظیم پارامترها Face detection implementation IV - tuning the parameters

  • پیاده سازی تشخیص چهره V - تشخیص چهره در زمان واقعی Face detection implementation V - detecting faces real-time

  • پیاده سازی تشخیص چهره V - تشخیص چهره در زمان واقعی Face detection implementation V - detecting faces real-time

نظریه الگوریتم هیستوگرام گرادیان های جهت دار (HOG). Histogram of Oriented Gradients (HOG) Algorithm Theory

  • هیستوگرام گرادیان های جهت دار - قدر و زاویه Histogram of oriented gradients - magnitude and angle

  • هیستوگرام گرادیان های جهت دار - نرمال سازی Histogram of oriented gradients - normalization

  • مقاله پژوهشی دانشگاهی اصلی Original academic research article

نظریه الگوریتم هیستوگرام گرادیان های جهت دار (HOG). Histogram of Oriented Gradients (HOG) Algorithm Theory

  • اصول هیستوگرام شیب گرا Histogram of oriented gradients basics

  • اصول هیستوگرام شیب گرا Histogram of oriented gradients basics

  • هیستوگرام گرادیان های جهت دار - هسته گرادیان Histogram of oriented gradients - gradient kernel

  • هیستوگرام گرادیان های جهت دار - هسته گرادیان Histogram of oriented gradients - gradient kernel

  • هیستوگرام گرادیان های جهت دار - قدر و زاویه Histogram of oriented gradients - magnitude and angle

  • هیستوگرام گرادیان های جهت دار - نرمال سازی Histogram of oriented gradients - normalization

  • هیستوگرام گرادیان های جهت دار - تصویر بزرگ Histogram of oriented gradients - big picture

  • هیستوگرام گرادیان های جهت دار - تصویر بزرگ Histogram of oriented gradients - big picture

  • مقاله پژوهشی دانشگاهی اصلی Original academic research article

  • آزمون هیستوگرام گرادیان های جهت دار (HOG). Histogram of Oriented Gradients (HOG) Quiz

  • آزمون هیستوگرام گرادیان های جهت دار (HOG). Histogram of Oriented Gradients (HOG) Quiz

پیاده سازی هیستوگرام گرادیان های جهت دار (HOG). Histogram of Oriented Gradients (HOG) Implementation

  • نمایش ویژگی های HOG به صورت برنامه ای Showing the HOG features programatically

  • تشخیص چهره با اجرای HOG III Face detection with HOG implementation III

  • تشخیص چهره با اجرای HOG IV Face detection with HOG implementation IV

پیاده سازی هیستوگرام گرادیان های جهت دار (HOG). Histogram of Oriented Gradients (HOG) Implementation

  • نمایش ویژگی های HOG به صورت برنامه ای Showing the HOG features programatically

  • تشخیص چهره با اجرای HOG I Face detection with HOG implementation I

  • تشخیص چهره با اجرای HOG I Face detection with HOG implementation I

  • تشخیص چهره با اجرای HOG II Face detection with HOG implementation II

  • تشخیص چهره با اجرای HOG II Face detection with HOG implementation II

  • تشخیص چهره با اجرای HOG III Face detection with HOG implementation III

  • تشخیص چهره با اجرای HOG IV Face detection with HOG implementation IV

رویکردهای مبتنی بر شبکه های عصبی کانولوشن (CNN). Convolutional Neural Networks (CNNs) Based Approaches

  • تشخیص جعبه های مرزی با رگرسیون Detecting bounding boxes with regression

  • مقالات پژوهشی دانشگاهی اصلی Original academic research articles

رویکردهای مبتنی بر شبکه های عصبی کانولوشن (CNN). Convolutional Neural Networks (CNNs) Based Approaches

  • روش شبکه عصبی کانولوشنال استاندارد (CNN). The standard convolutional neural network (CNN) way

  • روش شبکه عصبی کانولوشنال استاندارد (CNN). The standard convolutional neural network (CNN) way

  • پیشنهادات منطقه و شبکه های عصبی کانولوشنال (CNN) Region proposals and convolutional neural networks (CNNs)

  • پیشنهادات منطقه و شبکه های عصبی کانولوشنال (CNN) Region proposals and convolutional neural networks (CNNs)

  • تشخیص جعبه های مرزی با رگرسیون Detecting bounding boxes with regression

  • مدل Fast R-CNN چیست؟ What is the Fast R-CNN model?

  • مدل Fast R-CNN چیست؟ What is the Fast R-CNN model?

  • مدل سریعتر R-CNN چیست؟ What is the Faster R-CNN model?

  • مدل سریعتر R-CNN چیست؟ What is the Faster R-CNN model?

  • مقالات پژوهشی دانشگاهی اصلی Original academic research articles

  • آزمون رویکردهای CNN CNN Approaches Quiz

  • آزمون رویکردهای CNN CNN Approaches Quiz

نظریه الگوریتم شما فقط یک بار نگاه می کنید (YOLO). You Only Look Once (YOLO) Algorithm Theory

  • رویکرد YOLO چیست؟ What is the YOLO approach?

  • الگوریتم YOLO - سلول های شبکه YOLO algorithm - grid cells

  • الگوریتم YOLO - تقاطع بر روی اتحاد YOLO algorithm - intersection over union

  • چگونه الگوریتم YOLO را آموزش دهیم؟ How to train the YOLO algorithm?

  • الگوریتم YOLO - سرکوب غیر حداکثر YOLO algorithm - non-max suppression

نظریه الگوریتم شما فقط یک بار نگاه می کنید (YOLO). You Only Look Once (YOLO) Algorithm Theory

  • رویکرد YOLO چیست؟ What is the YOLO approach?

  • الگوریتم YOLO - سلول های شبکه YOLO algorithm - grid cells

  • الگوریتم YOLO - تقاطع بر روی اتحاد YOLO algorithm - intersection over union

  • چگونه الگوریتم YOLO را آموزش دهیم؟ How to train the YOLO algorithm?

  • الگوریتم YOLO - تابع ضرر YOLO algorithm - loss function

  • الگوریتم YOLO - تابع ضرر YOLO algorithm - loss function

  • الگوریتم YOLO - سرکوب غیر حداکثر YOLO algorithm - non-max suppression

  • چرا باید از انکر باکس های به اصطلاح استفاده کرد؟ Why to use the so-called anchor boxes?

  • چرا باید از انکر باکس های به اصطلاح استفاده کرد؟ Why to use the so-called anchor boxes?

  • مقاله پژوهشی دانشگاهی اصلی Original academic research article

  • آزمون الگوریتم YOLO YOLO Algorithm Quiz

  • آزمون الگوریتم YOLO YOLO Algorithm Quiz

پیاده سازی الگوریتم فقط یک بار (YOLO). You Only Look Once (YOLO) Algorithm Implementation

  • پیاده سازی الگوریتم YOLO II YOLO algorithm implementation II

  • پیاده سازی الگوریتم YOLO III YOLO algorithm implementation III

  • پیاده سازی الگوریتم YOLO VI YOLO algorithm implementation VI

پیاده سازی الگوریتم فقط یک بار (YOLO). You Only Look Once (YOLO) Algorithm Implementation

  • پیاده سازی الگوریتم YOLO I YOLO algorithm implementation I

  • پیاده سازی الگوریتم YOLO I YOLO algorithm implementation I

  • پیاده سازی الگوریتم YOLO II YOLO algorithm implementation II

  • پیاده سازی الگوریتم YOLO III YOLO algorithm implementation III

  • پیاده سازی الگوریتم YOLO IV YOLO algorithm implementation IV

  • پیاده سازی الگوریتم YOLO IV YOLO algorithm implementation IV

  • پیاده سازی الگوریتم YOLO V YOLO algorithm implementation V

  • پیاده سازی الگوریتم YOLO V YOLO algorithm implementation V

  • پیاده سازی الگوریتم YOLO VI YOLO algorithm implementation VI

  • اجرای الگوریتم YOLO VII YOLO algorithm implementation VII

  • اجرای الگوریتم YOLO VII YOLO algorithm implementation VII

تئوری آشکارساز چند باکس تک شات (SSD). Single-Shot MultiBox Detector (SSD) Theory

  • الگوریتم SSD چیست؟ What is the SSD algorithm?

  • منظم سازی (افزایش داده ها) و سرکوب غیر حداکثری در طول آموزش Regularization (data augmentation) and non-max suppression during training

  • مقاله پژوهشی دانشگاهی اصلی Original academic research article

تئوری آشکارساز چند باکس تک شات (SSD). Single-Shot MultiBox Detector (SSD) Theory

  • الگوریتم SSD چیست؟ What is the SSD algorithm?

  • مفهوم اصلی الگوریتم SSD (معماری) Basic concept behind SSD algorithm (architecture)

  • مفهوم اصلی الگوریتم SSD (معماری) Basic concept behind SSD algorithm (architecture)

  • جعبه های مرزبندی و جعبه های لنگر Bounding boxes and anchor boxes

  • جعبه های مرزبندی و جعبه های لنگر Bounding boxes and anchor boxes

  • ویژگی نقشه ها و لایه های کانولوشن Feature maps and convolution layers

  • ویژگی نقشه ها و لایه های کانولوشن Feature maps and convolution layers

  • استخراج منفی سخت در طول تمرین Hard negative mining during training

  • استخراج منفی سخت در طول تمرین Hard negative mining during training

  • منظم سازی (افزایش داده ها) و سرکوب غیر حداکثری در طول آموزش Regularization (data augmentation) and non-max suppression during training

  • مقاله پژوهشی دانشگاهی اصلی Original academic research article

  • مقاله پژوهشی دانشگاهی اصلی Original academic research article

پیاده سازی الگوریتم SSD SSD Algorithm Implementation

  • پیاده سازی SSD I SSD implementation I

  • اجرای SSD II SSD implementation II

  • اجرای SSD III SSD implementation III

پیاده سازی الگوریتم SSD SSD Algorithm Implementation

  • پیاده سازی SSD I SSD implementation I

  • اجرای SSD II SSD implementation II

  • اجرای SSD III SSD implementation III

  • پیاده سازی SSD IV SSD implementation IV

  • پیاده سازی SSD IV SSD implementation IV

  • پیاده سازی SSD V SSD implementation V

  • پیاده سازی SSD V SSD implementation V

### دوره crash برنامه نویسی پایتون ### ### PYTHON PROGRAMMING CRASH COURSE ###

### دوره crash برنامه نویسی پایتون ### ### PYTHON PROGRAMMING CRASH COURSE ###

  • معرفی دوره سقوط پایتون Python crash course introduction

  • معرفی دوره سقوط پایتون Python crash course introduction

پیوست شماره 1 - مبانی پایتون Appendix #1 - Python Basics

  • اولین قدم ها در پایتون First steps in Python

  • بولین ها Booleans

  • ریخته گری نوع Type casting

  • چگونه از شرایط متعدد استفاده کنیم؟ How to use multiple conditions?

  • عملگرهای منطقی Logical operators

  • شمردن Enumerate

پیوست شماره 1 - مبانی پایتون Appendix #1 - Python Basics

  • اولین قدم ها در پایتون First steps in Python

  • انواع داده های اساسی چیست؟ What are the basic data types?

  • انواع داده های اساسی چیست؟ What are the basic data types?

  • بولین ها Booleans

  • رشته های Strings

  • رشته های Strings

  • برش رشته String slicing

  • برش رشته String slicing

  • ریخته گری نوع Type casting

  • اپراتورها Operators

  • اپراتورها Operators

  • اظهارات مشروط Conditional statements

  • اظهارات مشروط Conditional statements

  • چگونه از شرایط متعدد استفاده کنیم؟ How to use multiple conditions?

  • عملگرهای منطقی Logical operators

  • حلقه ها - برای حلقه Loops - for loop

  • حلقه ها - برای حلقه Loops - for loop

  • حلقه ها - حلقه while Loops - while loop

  • حلقه ها - حلقه while Loops - while loop

  • حلقه های تو در تو چیست؟ What are nested loops?

  • حلقه های تو در تو چیست؟ What are nested loops?

  • شمردن Enumerate

  • بشکن و ادامه بده Break and continue

  • بشکن و ادامه بده Break and continue

  • محاسبه اعداد فیبوناچی Calculating Fibonacci-numbers

  • محاسبه اعداد فیبوناچی Calculating Fibonacci-numbers

پیوست شماره 2 - توابع Appendix #2 - Functions

  • آرگومان های موقعیتی و آرگومان های کلیدواژه Positional arguments and keyword arguments

  • برگرداندن مقادیر Returning values

  • عملگر بازده Yield operator

  • مرتبط ترین توابع داخلی کدامند؟ What are the most relevant built-in functions?

  • متغیرهای محلی در مقابل متغیرهای جهانی Local vs global variables

  • تابع __main__ The __main__ function

پیوست شماره 2 - توابع Appendix #2 - Functions

  • توابع چیست؟ What are functions?

  • توابع چیست؟ What are functions?

  • تعریف توابع Defining functions

  • تعریف توابع Defining functions

  • آرگومان های موقعیتی و آرگومان های کلیدواژه Positional arguments and keyword arguments

  • برگرداندن مقادیر Returning values

  • برگرداندن مقادیر متعدد Returning multiple values

  • برگرداندن مقادیر متعدد Returning multiple values

  • عملگر بازده Yield operator

  • متغیرهای محلی و جهانی Local and global variables

  • متغیرهای محلی و جهانی Local and global variables

  • مرتبط ترین توابع داخلی کدامند؟ What are the most relevant built-in functions?

  • بازگشت چیست؟ What is recursion?

  • بازگشت چیست؟ What is recursion?

  • متغیرهای محلی در مقابل متغیرهای جهانی Local vs global variables

  • تابع __main__ The __main__ function

پیوست شماره 3 - ساختارهای داده در پایتون Appendix #3 - Data Structures in Python

  • چگونه زمان اجرای الگوریتم ها را اندازه گیری کنیم؟ How to measure the running time of algorithms?

  • معرفی ساختارهای داده Data structures introduction

  • ساختارهای داده آرایه چیست I What are array data structures I

  • ساختارهای داده آرایه چیست II What are array data structures II

  • لیست در پایتون - عملیات پیشرفته Lists in Python - advanced operations

  • لیست ها در پایتون - درک لیست Lists in Python - list comprehension

  • ساختارهای داده لیست پیوندی چیست؟ What are linked list data structures?

  • پیاده سازی لیست پیوندی دوگانه در پایتون Doubly linked list implementation in Python

پیوست شماره 3 - ساختارهای داده در پایتون Appendix #3 - Data Structures in Python

  • چگونه زمان اجرای الگوریتم ها را اندازه گیری کنیم؟ How to measure the running time of algorithms?

  • معرفی ساختارهای داده Data structures introduction

  • ساختارهای داده آرایه چیست I What are array data structures I

  • ساختارهای داده آرایه چیست II What are array data structures II

  • لیست ها در پایتون Lists in Python

  • لیست ها در پایتون Lists in Python

  • لیست در پایتون - عملیات پیشرفته Lists in Python - advanced operations

  • لیست ها در پایتون - درک لیست Lists in Python - list comprehension

  • (!!!) لیست ها و آرایه های پایتون (!!!) Python lists and arrays

  • (!!!) لیست ها و آرایه های پایتون (!!!) Python lists and arrays

  • تاپل ها چیست؟ What are tuples?

  • تاپل ها چیست؟ What are tuples?

  • تغییرپذیری و تغییرناپذیری Mutability and immutability

  • تغییرپذیری و تغییرناپذیری Mutability and immutability

  • ساختارهای داده لیست پیوندی چیست؟ What are linked list data structures?

  • پیاده سازی لیست پیوندی دوگانه در پایتون Doubly linked list implementation in Python

  • هش و پیچیدگی زمان اجرا O(1). Hashing and O(1) running time complexity

  • هش و پیچیدگی زمان اجرا O(1). Hashing and O(1) running time complexity

  • فرهنگ لغت در پایتون Dictionaries in Python

  • فرهنگ لغت در پایتون Dictionaries in Python

  • مجموعه در پایتون Sets in Python

  • مجموعه در پایتون Sets in Python

  • مرتب سازی Sorting

  • مرتب سازی Sorting

پیوست شماره 4 - برنامه نویسی شی گرا (OOP) Appendix #4 - Object Oriented Programming (OOP)

  • اصول کلاس و اشیاء Class and objects basics

  • با استفاده از سازنده Using the constructor

  • متغیرهای کلاس و متغیرهای نمونه Class variables and instance variables

  • وراثت در OOP چیست؟ What is inheritance in OOP?

  • کلمه کلیدی فوق العاده The super keyword

  • چند شکلی و انتزاع مثال Polymorphism and abstraction example

  • تابع __str__ The __str__ function

  • مقایسه اشیاء - توابع برتر Comparing objects - overriding functions

پیوست شماره 4 - برنامه نویسی شی گرا (OOP) Appendix #4 - Object Oriented Programming (OOP)

  • برنامه نویسی شی گرا (OOP) چیست؟ What is object oriented programming (OOP)?

  • برنامه نویسی شی گرا (OOP) چیست؟ What is object oriented programming (OOP)?

  • اصول کلاس و اشیاء Class and objects basics

  • با استفاده از سازنده Using the constructor

  • متغیرهای کلاس و متغیرهای نمونه Class variables and instance variables

  • متغیرهای خصوصی و مخفی کردن نام Private variables and name mangling

  • متغیرهای خصوصی و مخفی کردن نام Private variables and name mangling

  • وراثت در OOP چیست؟ What is inheritance in OOP?

  • کلمه کلیدی فوق العاده The super keyword

  • لغو تابع (روش). Function (method) override

  • لغو تابع (روش). Function (method) override

  • پلی مورفیسم چیست؟ What is polymorphism?

  • پلی مورفیسم چیست؟ What is polymorphism?

  • چند شکلی و انتزاع مثال Polymorphism and abstraction example

  • ماژول ها Modules

  • ماژول ها Modules

  • تابع __str__ The __str__ function

  • مقایسه اشیاء - توابع برتر Comparing objects - overriding functions

پیوست شماره 5 - NumPy Appendix #5 - NumPy

  • ابعاد آرایه ها Dimension of arrays

  • شاخص ها و برش Indexes and slicing

  • تغییر شکل دهید Reshape

  • مقایسه زمان اجرا: آرایه ها و لیست ها Running time comparison: arrays and lists

پیوست شماره 5 - NumPy Appendix #5 - NumPy

  • مزیت کلیدی NumPy چیست؟ What is the key advantage of NumPy?

  • مزیت کلیدی NumPy چیست؟ What is the key advantage of NumPy?

  • ایجاد و به روز رسانی آرایه ها Creating and updating arrays

  • ایجاد و به روز رسانی آرایه ها Creating and updating arrays

  • ابعاد آرایه ها Dimension of arrays

  • شاخص ها و برش Indexes and slicing

  • انواع Types

  • انواع Types

  • تغییر شکل دهید Reshape

  • انباشتن و ادغام آرایه ها Stacking and merging arrays

  • انباشتن و ادغام آرایه ها Stacking and merging arrays

  • فیلتر کنید Filter

  • فیلتر کنید Filter

  • مقایسه زمان اجرا: آرایه ها و لیست ها Running time comparison: arrays and lists

مطالب دوره (دانلود) COURSE MATERIALS (DOWNLOADS)

  • مطالب دوره (کد منبع و اسلایدها) Course materials (source code and slides)

  • اسلایدهای بینایی کامپیوتری Computer vision slides

مطالب دوره (دانلود) COURSE MATERIALS (DOWNLOADS)

  • مطالب دوره (کد منبع و اسلایدها) Course materials (source code and slides)

  • اسلایدهای بینایی کامپیوتری Computer vision slides

نمایش نظرات

آموزش [2023] بوت کمپ یادگیری ماشینی و یادگیری عمیق در پایتون
جزییات دوره
32.5 hours
340
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
11,794
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Holczer Balazs Holczer Balazs

مهندس نرم افزار