آموزش مبانی هوش مصنوعی و یادگیری ماشینی

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با هوش مصنوعی و یادگیری ماشینی یاد می گیرید.

عنوان اصلی : Artificial Intelligence and Machine Learning Fundamentals

سرفصل ها :

اصول هوش مصنوعی:
بررسی اجمالی دوره
نصب و راه اندازی
نمای کلی درس
مقدمه ای بر هوش مصنوعی و یادگیری ماشینی
هوش مصنوعی چگونه مشکلات دنیای واقعی را حل می کند؟
زمینه ها و کاربردهای هوش مصنوعی
ابزارهای هوش مصنوعی و مدل های یادگیری
نقش پایتون در هوش مصنوعی
معرفی مختصر کتابخانه NumPy
پایتون برای هوش مصنوعی بازی
جستجوی اول عرض و جستجوی اول عمق
خلاصه درس
هوش مصنوعی با تکنیک ها و بازی های جستجو:
نمای کلی درس
اکتشافی
تیک تاک پا
مسیریابی با الگوریتم A*
معرفی الگوریتم A*
بازی هوش مصنوعی با الگوریتم Minmax
بازی هوش مصنوعی با هرس آلفا بتا
خلاصه درس
پسرفت:
نمای کلی درس
رگرسیون خطی با یک متغیر
برازش یک مدل روی داده با scikit-learn
رگرسیون خطی با متغیرهای چندگانه
آماده سازی داده ها برای حفاظت
رگرسیون بردار چند جمله ای و پشتیبان
خلاصه درس
طبقه بندی:
مبانی طبقه بندی قسمت 1
مبانی طبقه بندی قسمت 2
k-نزدیک ترین همسایه Classifier
طبقه بندی با ماشین های بردار پشتیبان
خلاصه درس
استفاده از درختان برای تجزیه و تحلیل پیش بینی کننده:
نمای کلی درس
مقدمه ای بر درختان تصمیم
آنتروپی
ناخالصی جینی
دقت و یادآوری
طبقه‌بندی تصادفی جنگل
طبقه بندی تصادفی جنگل با استفاده از scikit-learn
خلاصه درس
خوشه بندی:
نمای کلی درس
مقدمه ای بر خوشه بندی
الگوریتم k-means
الگوریتم تغییر میانگین
خلاصه درس
یادگیری عمیق با شبکه های عصبی:
نمای کلی درس
TensorFlow برای پایتون
مقدمه ای بر شبکه های عصبی
انتشار به جلو و عقب
آموزش مدل TensorFlow
یادگیری عمیق
خلاصه درس