در حال حاضر محصولی در سبد خرید شما وجود ندارد.
یاد بگیرید چگونه الگوریتم های خود را بر اساس علم داده ایجاد کنید. یادگیری ماشین، یادگیری عمیق و هوش مصنوعی
عنوان اصلی : Complete Machine Learning Course for Beginners - in Python
سرفصل های دوره :
مقدمه ای بر یادگیری ماشین (نظریه):
معرفی
انواع یادگیری ماشین
گردش کار ماشین
ریاضیات در یادگیری ماشین (نظریه):
Calculus
آمار و انواع Sampeling
آمار توصیفی و استنباطی
احتمال احتمال
پایتون (تمرین):
معرفی برای راه اندازی پایتون
مهارت های برنامه نویسی اساسی
کتابخانه های یادگیری ماشین (تمرین):
numpy - پایتون
Pandas - پایتون
Pandas (2) - پایتون
Matplotlib - پایتون
پردازش زبان طبیعی (NLP)
Scikit - پایتون
آموزش نظارت (تمرین):
رگرسیون خطی - نظریه
رگرسیون خطی - تمرین
رگرسیون لجستیک - نظریه
رگرسیون لجستیک - تمرین (1)
رگرسیون لجستیک - تمرین (2)
KNN - نظریه
KNN - تمرین
KNN - تمرین (2)
Bayes Naive - نظریه
Bayes Naive - تمرین
Bayes Naive - تمرین (2)
Bayes Naive - تمرین (3)
SVM - نظریه
SVM - تمرین
درخت تصمیم گیری - نظریه
درخت تصمیم گیری - تمرین
unterpervised learning (تمرین):
kmeans - نظریه
kmeans - تمرین
خوشه بندی Hierachical - نظریه
خوشه بندی Hierachical - تمرین
DBSCAN - نظریه
DBSCAN - تمرین
پروژه: تشخیص اخبار جعلی:
قسمت 1
قسمت 2
قسمت 3
قسمت 4
Complete Machine Learning Course for Beginners - in Python
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.