توضیحات
معرفی دوره Python for Machine Learning & Deep Learning in One Semester
- معرفی دوره
- مقدمه ای بر یادگیری ماشینی و یادگیری عمیق
- مقدمه ای بر Google Colab
- دوره سقوط پایتون
- پیش پردازش داده ها
یادگیری ماشینی تحت نظارت
- تجزیه و تحلیل رگرسیون
- رگرسیون لجستیک
- K-نزدیکترین همسایه (KNN)
- قضیه بیز و طبقه بندی کننده ساده بیز
- ماشین بردار پشتیبانی (SVM)
- درختان تصمیم
- جنگل تصادفی
- روشهای تقویت در یادگیری ماشینی
- مقدمه ای بر شبکه های عصبی و یادگیری عمیق
- توابع فعال سازی
- توابع از دست دادن
- انتشار پشت
- شبکه های عصبی برای تحلیل رگرسیون
- شبکه های عصبی برای طبقه بندی
- منظمسازی حذف و عادیسازی دستهای
- شبکه عصبی کانولوشنال (CNN)
- شبکه عصبی مکرر (RNN)
- رمزگذارهای خودکار
- شبکه متخاصم مولد (GAN)
یادگیری ماشینی بدون نظارت
- K-Means Clustering
- خوشه بندی سلسله مراتبی
- خوشه بندی فضایی مبتنی بر چگالی برنامه های کاربردی با نویز (DBSCAN)
- خوشه بندی مدل مخلوط گاوسی (GMM).
- تجزیه و تحلیل اجزای اصلی (PCA)
آنچه که در دوره Python for Machine Learning & Deep Learning in One Semeste فرا خواهید گرفت
- نظریه، ریاضیات و پیاده سازی یادگیری ماشینی و الگوریتم های یادگیری عمیق.
- تجزیه و تحلیل رگرسیون.
- مدلهای طبقهبندی مورد استفاده در یادگیری ماشین کلاسیک مانند رگرسیون لجستیک، KNN، ماشینهای بردار پشتیبان، درختهای تصمیم، جنگل تصادفی و روشهای تقویت در یادگیری ماشین.
- شبکه های عصبی مصنوعی بسازید و از آنها برای مسائل رگرسیون و طبقه بندی استفاده کنید.
- استفاده از GPU با مدل های یادگیری عمیق
- شبکه های عصبی کانولوشنال
- یادگیری انتقالی
- شبکه های عصبی مکرر
- پیش بینی و طبقه بندی سری های زمانی
- رمزگذارهای خودکار
- شبکه های متخاصم مولد
- پایتون از ابتدا
- کتابخانه های Numpy، Matplotlib، seaborn، Pandas، Pytorch، scikit-learn و سایر کتابخانه های پایتون.
- بیش از 80 پروژه با مدل های یادگیری ماشین و یادگیری عمیق حل شده است.
این دوره مناسب افرادیست که
- دانشجویان دوره یادگیری ماشین و یادگیری عمیق
- مبتدیانی که می خواهند یادگیری ماشینی و یادگیری عمیق را از ابتدا بیاموزند
- پژوهشگران هوش مصنوعی
- دانش آموزان و محققانی که می خواهند مهارت های برنامه نویسی پایتون را برای حل وظایف یادگیری ماشین و یادگیری عمیق توسعه دهند.
- کسانی که متلب و سایر زبان های برنامه نویسی را می دانند و می خواهند برای یادگیری ماشینی و یادگیری عمیق به پایتون سوئیچ کنند.
مشخصات دوره Python for Machine Learning & Deep Learning in One Semester
- ناشر: یودمی
- مدرس: Zeeshan Ahmad
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 46 ساعت و 45 دقیقه
- تعداد دروس: 305
سرفصل های دوره Python for Machine Learning & Deep Learning in One Semester
پیشنیازهای دوره Python for Machine Learning & Deep Learning in One Semester
- Some Programming Knowledge is preferable but not necessary
- Gmail account ( For Google Colab )
تصاویر دوره
نمونه فیلم دوره
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 720p
لینک دانلود
گذرواژهی فایل(ها): www.downloadly.ir
حجم
15.3 گیگابایت
