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.
در این دوره آموزشی چه خبره؟
پروژه عملی آموزش داده شده در این دوره می‌تواند در کاربردهای وسیع‌تر پردازش متن، از جمله تشخیص انواع متون از یکدیگر (مثل تشخیص متون سیاسی از غیر سیاسی، ورزشی از غیر ورزشی و …) بکار گرفته شود. این دوره برای کسانی که پیش زمینه اندکی از ماشین لرنینگ و یا آمار و احتمالات در حد مقدماتی دارند مناسب می‌باشد.
لازم به ذکر است جهت درک بهتر، در این دوره از هیچ کتابخانه آماده هوش مصنوعی و ماشین لرنینگ و دیپ لرنینگ استفاده نشده و تمامی مراحل لازم از ۰ تا ۱۰۰ پیاده‌سازی شده است.
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.
اهداف یادگیری
مخاطبان این دوره میتوانند روش یادگیری Bayesian را که یکی از مشهورترین شیوه‌های یادگیری ماشین (Machine Learning) می‌باشد، بصورت تئوری فراگرفته و با بکار گیری آن در عمل به درک و شهود واقعی از آن برسند.
آیا این دوره پیش نیازی دارد؟
مقدمات برنامه‌نویسی این دوره نیز بصورت کامل در آن آموزش داده می‌شود تا حتی عزیزانی که در حد مقدماتی و پایین‌تر با پایتون آَشنایی دارند، بتوانند با ما همراه باشند.
فصل صفرم
معرفی دوره دستهبندی ایمیلهای اسپم ویدئو
فصل اول – تئوری احتمالات و قانون بیز
درس ۱ - Introduction ویدئو
درس ۲ - Conditional probability ویدئو
درس ۳ – Total probability theorem ویدئو
درس ۴ – Bayes' theorem ویدئو
فصل دوم – مباحث تئوری دسته بندی ایمیل های اسپم
درس ۱ - Introduction ویدئو
درس ۲- Feature selection ویدئو
درس ۳ – Dictionary ویدئو
درس ۴ – Application of Bayes' theorem ویدئو
درس ۵ – Naive Bayes assumption ویدئو
درس ۶ - Chain rule ویدئو
درس ۷ - Joint likelihood ویدئو
درس ۸ - Parameter estimation ویدئو
درس ۹ - Implementation notes ویدئو
فصل سوم – آموزش کتابخانه re (عبارت منظم)
درس ۱ - Introduction ویدئو
درس ۲ – Metacharacters ویدئو
درس ۳ - Repeating metacharacters ویدئو
درس ۴ - Match functions ویدئو
درس ۵ – Module-level functions ویدئو
درس ۶ – Compilation flags ویدئو
درس 7 – Modifying strings ویدئو
فصل چهارم - برنامه نویسی
درس ۱ - Introduction ویدئو
درس ۲ – Update Dictionary ویدئو
درس ۳ – Generate Unique Words ویدئو
درس ۴ - Is In Dictionary ویدئو
درس ۵ - Update Training Set ویدئو
درس ۶ - Update Training Set By Folder ویدئو
درس ۷ - Classify Email ویدئو
درس ۸ - Classify Folder ویدئو
دوره های مرتبط
وبینار آموزش پایتون مقدماتی
وبینارهای چالش پایتون بصورت آنلاین و زنده برگزار می گردد. در این وبینارها امکان حضور همزمان دانشجو و استاد وجود دارد و دانشجویان می توانند سوالات خود را بصورت آنلاین بپرسند.
بعد از برگزاری وبینار فایل های وبینار بصورت رایگان در اختیار شرکت کنندگان قرار خواهد گرفت. همچنین ویدئوی این وبینار برای سایر مخاطبینی که در وبینار ثبت نام نکردند از طریق سایت چالش پایتون به فروش خواهد رسید.
آموزش مقدماتی پایتون
وقتی شما در حال مطالعه این متن هستید در واقع نشان دهنده این است که علاقمند به زبان برنامه نویسی پایتون هستید. بنابراین سعی کردیم زبان برنامه نویسی پایتون را به درستی معرفی کنیم و از قدرت این زبان شیرین سخن بگوییم.
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 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.
قوانین ثبت دیدگاه