کارشناسی ارشد یادگیری ماشینی و علوم داده با پایتون

پاندا ، Scikit-Learn ، Seaborn ، Matplotlib ، Learning Machine ، NLP ، مقابله با مشکلات عملی و موارد دیگر را بیاموزید!

عنوان اصلی : Master Machine Learning and Data Science with Python

سرفصل های دوره :

مقدمه:
دانلود منابع
نصب پایتون
آموزش قدم زدن در نوت بوک Jupyter
اصول پایتون - کیت شروع:
متغیرها - انواع
متغیرها - استفاده
متغیرها - رشته ها
متغیرها - اعداد صحیح، شناورها و بولی ها
لیست ها
جلوها
دیکشنری ها و مجموعه ها
اگر بیانیه ها
برای حلقه
حلقه در حالی که
توابع سفارشی
مفهوم فهرست
تابع لامبدا
کتابخانه های خارجی
نمایش کلی تمرین پایتون
راه حل تمرین پایتون - قسمت 1
راه حل تمرین پایتون - قسمت 2
مقدمه ای بر یادگیری ماشین:
مقدمه ای بر یادگیری ماشینی
چرخه زندگی یادگیری ماشین
چرخه زندگی یادگیری ماشین
مقدمه ای بر ارزیابی عملکرد - معیارهای طبقه بندی
ماتریس سردرگمی
ماتریس سردرگمی
معیارهای طبقه بندی اصلی
معیارهای طبقه بندی اصلی
ارزیابی عملکرد - رگرسیون
معرفی Sklearn
One Hot Encoding
داده ها را تقسیم کنید
Fit چیست؟
رگرسیون خطی:
نظریه رگرسیون خطی
رگرسیون خطی - نظریه
رگرسیون خطی - پیش بینی حقوق - عملی - قسمت 1
رگرسیون خطی - پیش بینی حقوق - عملی - قسمت 2
رگرسیون خطی - پیش بینی قیمت خانه - عملی - قسمت 1
رگرسیون خطی - پیش بینی قیمت خانه - عملی - قسمت 2
رگرسیون خطی - عملی
رگرسیون لجستیک:
رگرسیون لجستیک - نظریه
رگرسیون لجستیک - نظریه
رگرسیون لجستیک - گل زنبق - عملی
رگرسیون لجستیک - طبقه بندی جنسیتی - مرور کلی تمرین
رگرسیون لجستیک - راه حل تمرین - طبقه بندی جنسیتی - قسمت 1
رگرسیون لجستیک - راه حل تمرین - طبقه بندی جنسیتی - قسمت 2
رگرسیون کمند و ریج / منظم‌سازی:
رگرسیون کمند و ریج - نظریه
رگرسیون کمند و ریج - نظریه
رگرسیون کمند و ریج - مسکن ملبورن - تمرین - قسمت 1
رگرسیون کمند و ریج - مسکن ملبورن - تمرین - قسمت 2
رگرسیون کمند و ریج - مسکن ملبورن - تمرین - قسمت 3
Lasso and Ridge - بیمه - نمای کلی تمرین
کمند و ریج - بیمه - راه حل تمرین
برخورد با مسائل عملی:
معادل واریانس تعصب
تبادل واریانس تعصب
برخورد با داده های نامتعادل
برخورد با داده های نامتعادل
برخورد با ارزش های گمشده
برخورد با ارزش های گمشده
برخورد با موارد پرت - نظریه
برخورد با موارد دور از دسترس - عملی
برخورد با موارد پرت
مقیاس‌سازی ویژگی داده - تئوری
مقیاس‌سازی ویژگی - عملی
مقیاس‌سازی ویژگی داده‌ها
طبقه‌بند بیز ساده (گاوسی):
طبقه بند بیز ساده گوسی - نظریه
طبقه‌بند بیز ساده گوسی
طبقه بندی کننده بیز ساده گوسی - تایتانیک - عملی - قسمت 1
دسته بندی کننده بیز ساده گوسی - تایتانیک - عملی - قسمت 2
درخت تصمیم:
درخت تصمیم - نظریه
درخت تصمیم - پنگوئن - عملی
درخت تصمیم - کیفیت شراب - تمرین - مرور کلی
درخت تصمیم - کیفیت شراب - راه حل تمرین
جنگل تصادفی:
جنگل تصادفی - نظریه
جنگل تصادفی - نظریه
جنگل تصادفی - عملی - به اشتراک گذاری دوچرخه - قسمت 1
جنگل تصادفی - عملی - به اشتراک گذاری دوچرخه - قسمت 2
جنگل تصادفی - WeatherAUS - نمای کلی تمرین
جنگل تصادفی - weatherAUS - راه حل قسمت 1
جنگل تصادفی - weatherAUS - راه حل قسمت 2
درخت اضافی - نظریه
تکنیک های تقویت:
مقدمه ای بر تکنیک های تقویت
تئوری تکنیک های تقویتی - Adaboost
تئوری تکنیک های تقویت - تقویت گرادیان
تکنیک های تقویت - بزرگسالان - پیاده سازی عملی
تکنیک های تقویت
ماشین‌های بردار پشتیبانی:
نظریه SVM
SVM - عملی - طبقه بندی بیماری های قلبی
SVM - قابلیت شرب آب - مرور کلی تمرین
SVM - آب آشامیدنی - راه حل تمرین
K-نزدیک‌ترین همسایه‌ها:
نظریه KNN
KNN - عملی - داده های طبقه بندی شده
K-نزدیکترین همسایه
الگوریتم‌های یادگیری ماشین بدون نظارت:
نظریه خوشه بندی K-Means
K-Means Clustering - Practice - Iris
K-Means Clustering
خوشه بندی DBSCAN - عملی
خوشه بندی DBSCAN
PCA - تجزیه و تحلیل مؤلفه اصلی:
تحلیل مؤلفه های اصلی - نظریه
PCA - عملی - مسافری خطوط هوایی - قسمت 1
PCA - عملی - مسافری هواپیمایی - قسمت 2
PCA - تجزیه و تحلیل مؤلفه اصلی
پردازش زبان طبیعی:
NLP - پردازش زبان طبیعی - مقدمه - تئوری
NLP - طبقه بندی چند جمله ای ساده بیز - نظریه
NLP - عملی - طبقه بندی مرورگر آمازون - قسمت 1
NLP - عملی - Amazon Reviewer Clقتل - قسمت 2
NLP - عملی - طبقه بندی مرورگر آمازون - قسمت 3
NLP - پردازش زبان طبیعی