دوره یادگیری ماشین با پایتون

دوره یادگیری ماشین با پایتون

در این دوره مطالب مورد نیاز برای استفاده از یادگیری ماشین با استفاده از زبان برنامه نویسی پایتون و کتابخانه های مطرح ان را فرا خواهیم گرفت. با توجه به

تریلر دوره

توضیحات کامل دوره

دوره یادگیری ماشین با پایتوندر این دوره مطالب مورد نیاز برای استفاده از یادگیری ماشین با استفاده از زبان برنامه نویسی پایتون و کتابخانه های مطرح ان را فرا خواهیم گرفت. با توجه به مطالب تئوری و محاسبات...

دوره یادگیری ماشین با پایتون

در این دوره مطالب مورد نیاز برای استفاده از یادگیری ماشین با استفاده از زبان برنامه نویسی پایتون و کتابخانه های مطرح ان را فرا خواهیم گرفت. با توجه به مطالب تئوری و محاسباتی پیچیده ان , در طراحی دوره به نحوی عمل شده است که تئوری های لازم صرفا برای درک مفهوم ارائه گردد و بیشتر به اموزش نحوه بکارگیری ان پرداخته ایم. عزیزانی که مایل به فهم عمیق تر مطالب ریاضی ان میباشند میتوانند به مراجعی که در اختیار قرار میدهیم مراجعه نمایند. دوره طراحی شده دارای 3 زیردوره مقدماتی , متوسط و پیشرفته میباشد. در دوره مقدماتی به ارائه پیش نیازها و اموزش کتابخانه های مورد نیاز پرداخته و در ادامه درخت تصمیم و جنگل تصادفی و رگراسیون خطی اموزش داده می شود. در دوره متوسط متدهای دیگر یادگیری ماشین مورد اشاره قرار خواهند گرفت . دوره پیشرفته نیز اموزش مباحث تئوری و عملی شبکه های عصبی و یادگیری عمیق انجام میگیرد.

 

سرفصل های دوره:

معرفی دوره

اموزش نصب

مرور سریع پایتون

اموزش NumPy

اموزش Pandas

اموزش  Matplotlib

اموزش  Seaborn

مفاهیم  Machine Learning

اموزش  Decision Tree & Random Forest

اموزش  Linear Regression

جمع بندی و توضیح مطالب دوره بعد


سرفصل‌های دوره

  • معرفی دوره
    رایگان 00:09:21
  • نصب ابزارهای مورد نیاز
    رایگان 00:08:16
  • راه اندازی ژوپیتر
    رایگان 00:07:33
  • مروری بر زبان برنامه نویسی پایتون
    00:18:03
  • مروری بر زبان برنامه نویسی پایتون
    00:18:28
  • مروری بر زبان برنامه نویسی پایتون
    00:21:44
  • مروری بر زبان برنامه نویسی پایتون
    00:20:14
  • مروری بر زبان برنامه نویسی پایتون
    00:00:00
  • مروری بر زبان برنامه نویسی پایتون
    00:09:41
  • آشنایی با کتابخانه NumPy
    رایگان 00:09:01
  • کتابخانه Numpy
    00:20:53
  • کتابخانه Numpy
    00:26:03
  • تمرین قسمت NumPy
    00:07:33
  • حل تمرین قسمت Numpy
    00:00:00
  • آشنایی با کتابخانه Pandas
    رایگان 00:02:49
  • کتابخانه Pandas
    00:10:35
  • کتابخانه Pandas
    00:25:10
  • کتابخانه Pandas
    00:18:34
  • کتابخانه Pandas
    00:12:11
  • کتابخانه Pandas
    00:07:22
  • تمرین قسمت Pandas
    00:14:41
  • حل تمرین قسمت Pandas
    00:00:00
  • آشنایی با کتابخانه Matplotlib
    رایگان 00:03:49
  • کتابخانه Matplotlib
    00:18:15
  • کتابخانه Matplotlib
    00:16:21
  • آشنایی با کتابخانه Seaborn
    رایگان 00:02:17
  • کتابخانه Seaborn
    00:14:59
  • کتابخانه Seaborn
    00:14:37
  • کتابخانه Seaborn
    00:17:11
  • مفاهیم Machine Learning
    00:13:14
  • مفاهیم Machine Learning
    00:13:03
  • مفاهیم Machine Learning
    00:07:20
  • شروع Machine Learning
    00:07:28
  • مفاهیم Linear Regression
    رایگان 00:06:18
  • آموزش پیاده سازی Linear Regression
    00:18:32
  • آموزش پیاده سازی Linear Regression
    00:08:05
  • تمرین و حل تمرین قسمت Linear Regression
    00:12:23
  • مفاهیم Logistic Regression
    00:10:52
  • آموزش پیاده سازی Logistic Regression
    00:14:14
  • آموزش پیاده سازی Logistic Regression
    00:21:43
  • آموزش پیاده سازی Logistic Regression مثال دوم
    00:17:44
  • آموزش پیاده سازی Logistic Regression مثال دوم
    00:08:01
  • مفاهیم DecisionTree و جنگل تصادفی
    00:09:32
  • آموزش پیاده سازی DecisionTree
    00:12:59
  • آموزش پیاده سازی DecisionTree
    00:13:32
  • تمرین و حل تمرین قسمت Decision Tree
    00:14:35
  • ادامه حل تمرین قسمت Decision Tree
    00:08:15
  • سخن پایانی
    00:02:38
  • آپدیت دوره - کتابخانه پاندا
    00:19:33

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

900,000 تومان

این دوره شامل:
9:55:00 ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/06
آخرین به‌روزرسانی: 2026-11-01 00:17:08
تعداد امتیازها: 0
تعداد دانشجو:
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: