آموزش یادگیری ماشین با پایتون
اهمیت بالای یادگیری ماشین در جهان مدرن انکار ناپذیر است و همین حالا در زمینههای بسیاری از جمله برای بهینهسازی تجربه کاربر در استفاده از وب سایتها مورد استفاده قرار گرفته است. شبکههای عصبی نیز کاربردهای بسیاری دارند که از این میان میتوان به تعدیل شبکههای اجتماعی و ماشینهای خودکار اشاره کرد. یادگیری ماشین به لطف افزایش توان پردازش سخت افزاری در سالهای اخیر رشد چشمگیری را تجربه کرده؛ با این وجود پتانسیلهای این زمینه بسیار بیشتر از آن چیزی است که تا کنون به آن دست یافتهایم.
300,000 تومان
در این دوره آموزشی چه خبره؟
اهمیت بالای یادگیری ماشین در جهان مدرن انکار ناپذیر است و همین حالا در زمینههای بسیاری از جمله برای بهینهسازی تجربه کاربر در استفاده از وب سایتها مورد استفاده قرار گرفته است. شبکههای عصبی نیز کاربردهای بسیاری دارند که از این میان میتوان به تعدیل شبکههای اجتماعی و ماشینهای خودکار اشاره کرد. یادگیری ماشین به لطف افزایش توان پردازش سخت افزاری در سالهای اخیر رشد چشمگیری را تجربه کرده؛ با این وجود پتانسیلهای این زمینه بسیار بیشتر از آن چیزی است که تا کنون به آن دست یافتهایم.
اما چه ارتباطی بین رشد الگوریتمهای یادگیری ماشین و زبان پایتون وجود دارد؟
اگرچه در طراحی الگوریتمها میتوان از کتابخانه توابع زبانهای مختلف بهره برد اما پایتون به زبان اصلی یادگیری ماشین تبدیل شده. شایان ذکر است که «تنسور فلو» گوگل اصولا با پایتون سازگاری دارد و تقریبا در تمام دورههای شبکه های عصبی از پایتون استفاده میشود. همچنین تحلیل داده مورد نیاز در یادگیری ماشین نیز با پایتون و کتابخانههای آن سازگاری بالایی دارند. آشنایی با یادگیری ماشین مهارتی است که روز به روز تقاضای بیشتری پیدا میکند و از این رو تسلط بر زبان برنامهنویسی پایتون شما را نسبت به افرادی که آشنایی چندانی با آن ندارد، یک سروگردن بالاتر قرار میدهد. با این حال پیش از اشتغال در این زمینه خود را برای حجم عظیمی از مفاهیم ریاضی و تحلیل داده آماده کنید.
در این دوره پنج پروژه کاربردی پیاده سازی میگردد.
📘 فرمت تمام ویدئوها بصورت mp4 یا wmv می باشد که به راحتی با نرم افزارهای پخش مدیا اجرا خواهند شد.
📘 در صورت بروز هر گونه مشکل در خرید و دانلود با پست الکترونیکی help.onlinecourses@gmail.com با ما در ارتباط باشید.
📘 سرفصل دوره در بخش زیر قابل مشاهده میباشد.
پروژه های پیاده سازی شده :
- تشخیص ارقام
- تشخیص چهره
- تشخیص متن
- تشخیص صدا
- تخمین تابع
آیا این دوره پیش نیازی دارد؟
معرفی دوره یادگیری ماشین با پایتون
درس صفرم رایگان
رگرسیون خطی تک متغیره
درس اول ویدئو
مفهوم کلی
درس دوم ویدئو
تابع هزینه
درس سوم ویدئو
الگوریتم Gradient Descent
درس چهارم ویدئو
پیاده سازی با پایتون
رگرسیون خطی چند متغیره
درس اول ویدئو
مفهوم کلی
درس دوم ویدئو
تابع هزینه چند متغیره
درس سوم ویدئو
الگوریتم Gradient Descent چند متغیره
درس چهارم ویدئو
بهینه سازی رگرسیون
درس پنجم ویدئو
پیاده سازی با پایتون
رگرسیون منطقی
درس اول ویدئو
مفهوم کلی و دسته بندی
درس دوم ویدئو
تابع نگاشت (Hypothesis)
درس سوم ویدئو
مرز تصمیم گیری (Decision Boundary)
درس چهارم ویدئو
تابع هزینه
درس پنجم ویدئو
پیاده سازی با پایتون
درس ششم ویدئو
نکات عملی و پیاده سازی با پایتون
شبکه های عصبی
درس اول ویدئو
ایده کلی
درس دوم ویدئو
مدل سازی شبکه عصبی
درس سوم ویدئو
تابع نگاشت غیر خطی
یادگیری شبکه عصبی
درس اول ویدئو
تابع هزینه
درس دوم ویدئو
الگوریتم بازگشت
درس سوم ویدئو
نکات پیاده سازی
درس چهارم ویدئو
پیاده سازی با پایتون
الگوریتم SVM
درس اول ویدئو
ایده کلی
درس دوم ویدئو
هسته ۱
درس سوم ویدئو
هسته ۲
درس چهارم ویدئو
پیاده سازی با پایتون
در این بخش 5 پروژه واقعی پیاده سازی می گردد.
پروژه اول ویدئو
تشخیص ارقام
پروژه دوم ویدئو
تشخیص چهره
پروژه سوم ویدئو
تشخیص متن
پروژه چهارم ویدئو
تشخیص صدا
پروژه پنجم ویدئو
تخمین تابع (گلوکز خون)
دوره های مرتبط
آموزش تکمیلی پایتون
در دوره تکمیلی پایتون در ابتدا مروری به پایتون مقدماتی می گردد سپس به مبحث کلاس ها، شی گرایی و ارث بری پرداخته می شود، همچنین در این دوره انواع رابط های گرافیکی رو مورد بررسی قرار میدیم همچنین شروع به آموزش فریمورک tkinter کردیم و یک پروژه کوچکی رو باهاش انجام دادیم و در انتهای آموزش دیتابیس های متفاوتی رو اومدیم بررسی کردیم از جمله به MySQL، sqlite3 و MongoDB میتوان اشاره کرد. و در نهایت به Git پرداخته شد.
آموزش یادگیری عمیق مقدماتی با پایتون
در سال های اخیر، یادگیری عمیق، تحول بزرگی را در یادگیری ماشین و هوش مصنوعی ایجاد کرده است.دلیل اصلی نهفته در پس «یادگیری عمیق» (Deep Learning) این ایده است که «هوش مصنوعی» (Artificial Intelligence) باید از مغز انسان الهام بگیرد.
آموزش ترکیبی یادگیری ماشین و عمیق مقدماتی با پایتون
یادگیری عمیق زیر شاخه ای از یادگیری ماشین است، که اساس آن، بر مبنای یادگیری و نمایش ویژگیها در لایههای مدل است و به زبان ساده تر، هدف اصلی یادگیری عمیق، استخراج ویژگی ها، به صورت هوشمند و طی چند مرحله یادگیری است. نخستین انگیزه در بوجود آمدن این ساختار یادگیری، از بررسی ساختار عصبی مغز انسان الهام گرفته شده است که در آن یاختههای عصبی با فرستادن پیام به یکدیگر، درک را امکانپذیر می کنند.
آموزش پروژه محور دستهبندی ایمیلهای اسپم
در این دوره تمامی مراحل لازم برای ساختن یک ماشین یادگیری تشخیص ایمیل اسپم آموزش داده میشود. آموزشها از مباحث تئوری احتمالات آغاز شده و تا یادگیری Bayesian ادامه مییابد. سپس مراحل لازم جهت پیادهسازی مباحث تئوری در پایتون از ۰ تا ۱۰۰ طی شده است.
امتیاز دانشجویان دوره
نظرات
قوانین ثبت دیدگاه
- دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
- از درج دیدگاه های تکراری پرهیز نمایید.
- فقط دانشجویان دوره میتوانند امتیاز خود را ثبت کنند.
300,000 تومان
الهام اسلامی( دانشجوی دوره )
سلام وقتتون بخیر
من دوره رو خریداری کردم ولی متاسفانه گزینه پیش نمایش و حتی دانلود برام وجود نداره و در حال حاضر به دوره دسترسی ندارم ممکنه لطفا پیگیری کنید که چه مشکلی وجود داره؟
مدیر سایت(مدیریت)
سلام وقت بخیر
همانطور که در بخش حساب کاربری هم مشخص شده است بعد از یکسال لینک های دانلود منقضی خواهد شد و برای دریافت مجدد نیاز به ارتباط از بخش ایمیل خواهید بود.
مجددا لینک های دانلود برای شما ایجاد شد و از بخش حساب کاربری- دانلودها امکان دانلود فایل ها را دارید.