دوره آموزش یادگیری ماشین با پایتون

# آموزش ماشین لرنینگ در پایتون

به دوره آموزش یادگیری ماشین با پایتون خوش آمدید! یادگیری ماشین(machine learning) شاخه ای از هوش مصنوعی است که توانایی یادگیری بدون برنامه نویسی مستقیم توسط انسان را دارد. یادگیری ماشین میتواند با دریافت حجم زیادی از ورودی، الگوریتم های خود را آموزش داده و سپس اقدام به پیش بینی کند. امروزه به دلیل گستردگی و پیچیدگی زیاد داده‌ها، نیاز و پتانسیل برای یادگیری ماشین بیش از هر زمان دیگری است. یادگیری ماشین برای طیف وسیعی از اهداف تجاری استفاده می شود، مانند پیشنهاد محصولات به مصرف کنندگان بر اساس خریدهای گذشته آنها، پیش بینی نوسانات بازار سهام و ترجمه متن از یک زبان به زبان دیگر.

در این دوره ما فرض گرفته ایم که شما هیچ چیزی درباره یادگیری ماشین نمیدانید. تمام مفاهیم و الگوریتم ها از ابتدا و به شکل ساده برای شما توضیح داده شده است. در دوره ماشین لرنینگ پایتون شما به شکل عملی با انواع روش های یادگیری ماشین مانند یادگیری با نظارت، یادگیری بدون نظارت، طبقه بندی، رگرسیون، خوشه بندی و کاهش ابعاد آشنا خواهید شد. در این دوره علاوه بر آشنایی با نحوه پیاده سازی الگوریتم های یادگیری ماشین در پایتون، با ریاضیاتی که در پس زمینه الگوریتم ها وجود دارد نیز آشنا خواهید شد. در پایان این دوره میتوانید به راحتی مشکلات خود را با الگوریتم های یادگیری ماشین حل کنید. در این دوره از کتابخانه scikit learn پایتون برای کار با الگوریتم های یادگیری ماشین استفاده خواهیم کرد.

دوره آموزش ماشین لرنینگ با scikit learn پایتون جزو دوره‌های پیشرفته محسوب شده و مناسب افرادی است که با زبان برنامه نویسی پایتون به خوبی آشنا هستند. اگر با پایتون آشنا نیستید میتوانید از دوره آموزش پایتون استفاده کنید. همچنین برای درک نحوه کارکرد الگوریتم‌های یادگیری ماشین، میتوانید دوره ریاضیات یادگیری ماشین را ببینید. برای انجام عملیات های ریاضی دوره numpy و برای اجرای فایل های داده دوره پانداز را ببینید.



0

intro

14:50

رایگان

1

datasets

15:44

رایگان

2

regression

17:10

3

linear model

30:0

4

classification

17:26

6

preprocessing

14:0

7

standard scaler

13:59

8

pipeline

7:48

11

overfitting

5:42

12

gini impurity

24:59

13

decision tree

25:17

14

ensemble

16:34

16

random forest

8:11

17

adaboost

8:7

18

one hot encoding

13:32

19

generalization

18:1

20

regularization

15:39

21

ridge

17:34

22

svm

21:2

23

grid search

18:46

25

pca

21:34

26

knn

12:35

27

clustering

14:30

28

kmeans

19:37

29

wcss

18:19

31

linkage

20:19

32

dbscan

15:51

33

make blobs

10:53

36

done

4:37

دوره های پیشنهادی

دوره آموزش RabbitMQ
دوره آموزش RabbitMQ
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش طراحی پایگاه داده(database)
دوره آموزش طراحی پایگاه داده(database)
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش ساخت Forum با فلسک
دوره آموزش ساخت Forum با فلسک
تکمیل ضبط
امیرحسین بیگدلو



مونگارد