آموزش یادگیری ماشین و داده کاوی با پایتون

آموزش یادگیری ماشین و داده کاوی با پایتون

تو این دوره اموزشی ما قصد داریم هم به یادگیری ماشین بپردازیم و الگوریتم های مهمی رو که بیشتر ازشون استفاده می شه برای شما ارائه و برای هر الگوریتم یک

تریلر دوره

توضیحات کامل دوره

آموزش یادگیری ماشین و داده کاوی با پایتونتو این دوره اموزشی ما قصد داریم هم به یادگیری ماشین بپردازیم و الگوریتم های مهمی رو که بیشتر ازشون استفاده می شه برای شما ارائه و برای هر الگوریتم یک یا دو مثا...

آموزش یادگیری ماشین و داده کاوی با پایتون

تو این دوره اموزشی ما قصد داریم هم به یادگیری ماشین بپردازیم و الگوریتم های مهمی رو که بیشتر ازشون استفاده می شه برای شما ارائه و برای هر الگوریتم یک یا دو مثال  دنیای واقعی را با کتابخانه های پایتون   و دیتا ست های معروف انجام خواهیم داد و همچنین نحوه تحلیل داده و استخراج داده رو هم برای شما ارائه خواهیم داده .

الگوریتم های مهم این دوره

الگوریتم گرادیان کاهشی – رگرسیون خطی – رگرسیون لجستیک – درخت تصمیم – جنگل تصادفی – k  نزدیک ترین همسایه – ماشین بردار پشتیبان – بیز ساده- کاهش ابعاد- الگوریتم kmeansو.شباهت کسینوسی – ضریب پیرسون – کسینوس تعدیل شده

 

کتابخانه های تدریس شده

Numpy -matplotlib-seboarn-pandas- sklearn

انواع یادگیری: یادگیری نظارت شده-یادگیری بدون نظارت

 

پیشنیاز دوره : پایتون-ریاضیات- امار و احتمالات- مفاهیم هوش مصنوعی


سرفصل‌های دوره

  • معرفی دوره
    رایگان 00:12:00
  • تعاریف و مفاهیم(هوش مصنوعی و یادگیری ماشین)
    رایگان 00:27:00
  • تعاریف و مفاهیم(داده کاوی)
    رایگان 00:27:00
  • کتابخانه numpy (قسمت اول)
    رایگان 00:58:00
  • کتابخانه numpy(قسمت دوم)
    01:01:00
  • مصور سازی با کتابخانه matplotlib (قسمت اول)
    00:31:00
  • مصور سازی با کتابخانه matplotlib (قسمت دوم)
    00:37:00
  • مصور سازی با کتابخانه matplotlib و seboarn
    00:44:00
  • کتابخانه pandas (درس اول)
    00:27:00
  • کتابخانه pandas (درس دوم)
    00:25:00
  • کتابخانه pandas (درس سوم)
    00:28:00
  • کتابخانه pandas (درس چهارم)
    00:26:00
  • کتابخانه pandas (درس پنجم)
    00:48:00
  • کتابخانه pandas (درس ششم)
    00:28:00
  • کتابخانه pandas (درس هفتم)
    00:28:00
  • فصل دوم (سیستم توصیه گر)
    00:48:00
  • سیستم های توصیه گر
    00:33:00
  • سیستم های توصیه گر 2
    00:23:00
  • پايش بر اساس اقلام
    00:25:00
  • پايش بر اساس اقلام (قسمت دوم)
    00:21:00
  • پايش بر اساس اقلام(الگوریتم شیبِ یک)
    00:21:00
  • طبقه بندي(رگرسیون خطی)
    00:38:00
  • رگرسیون خطی چندگانه- الگوریتم گرادیان کاهشی
    00:38:00
  • الگوریتم درخت تصمیم
    00:47:00
  • الگوریتمِ جنگلِ تصادفی(Random Forest )
    00:40:00
  • رگرسیون لجستیک(قسمت اول)
    00:34:00
  • رگرسیون لجستیک (قسمت دوم)
    00:32:00
  • ماشین بردار پشتیبان(قسمت اول)
    00:28:00
  • ماشین بردار پشتیبان (کرنل)
    00:28:00
  • دیگر الگوریتم های طبقه بندی
    00:44:00
  • خوشه بندی(الگوریتم (k-means
    00:42:00
  • الگوریتم (PCA) (جلسه اخر)
    00:28:00
  • فایل های دوره
    00:00:00
  • حل 250مسئله (pandas+numpy+ matplotlib)
    00:00:00

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

200,000 تومان

این دوره شامل:
17:57:00 ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/06
آخرین به‌روزرسانی: 2026-11-01 00:13:25
تعداد امتیازها: 0
تعداد دانشجو:
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: