پایتون برای یادگیری ماشینی با پروژه های حل شده توسط Spotle

این کارشناسی ارشد Spotle برای کارگرانی است که در ایجاد یک حرفه پاداش در یادگیری ماشین متمرکز شده اند

عنوان اصلی : Python For Machine Learning With Solved Projects By Spotle

سرفصل های دوره :

recap python:
مقدمه ای بر پایتون
اصول پایتون
چگونه می توان برنامه های پایتون را از بسیاری جهات اجرا کرد
اعداد:
عملیات عددی با پایتون
رشته ها:
رشته در پایتون
رشته در پایتون - کدها
حلقه ها و جریان مشروط:
جریان کنترل پایتون - قسمت 1
جریان کنترل پایتون - قسمت 2
جریان کنترل پایتون - قسمت 3
جریان کنترل پایتون - کدها
عملیات پرونده:
رسیدگی به پرونده در قسمت پایتون - 1
رسیدگی به پرونده در قسمت پایتون - 2
رسیدگی به پرونده در قسمت پایتون - 3
رسیدگی به پرونده در پایتون - کدهای
ماژول ها و بسته ها:
خلاقیت و استفاده ماژول
ایجاد و واردات بسته بندی
کتابخانه Numpy:
مقدمه کتابخانه Numpy
پاندا برای علوم داده و یادگیری ماشین:
بازی با پاندا - قسمت 1
بازی با پاندا - قسمت 2
آمار اساسی و تجسم داده ها با استفاده از پایتون
مقدمه یادگیری ماشین:
یادگیری تحت نظارت و بدون نظارت
تجزیه و تحلیل رگرسیون:
رگرسیون خطی با پایتون
رگرسیون لجستیک با پایتون
اجرای درخت تصمیم گیری:
بررسی اجمالی درخت تصمیم گیری
درخت تصمیم با پایتون - قسمت 2
درخت تصمیم با پایتون - قسمت 3
درخت تصمیم با پایتون - قسمت 4
درخت تصمیم با پایتون - قسمت 5
اجرای درخت رگرسیون:
درخت رگرسیون با پایتون
اجرای جنگل تصادفی:
جنگل تصادفی با پایتون - قسمت 1
جنگل تصادفی با پایتون - قسمت 2
اجرای SVM - دستگاه های بردار پشتیبانی:
دستگاه های بردار پشتیبانی با پایتون
اجرای K-Nearest همسایه:
نحوه محاسبه فاصله اقلیدسی
درک الگوریتم KNN
k-nearest همسایه یا الگوریتم KNN
اجرای طبقه بندی کننده ساده لوح:
طبقه بندی کننده ساده لوح با پایتون
اجرای خوشه بندی k-mean:
خوشه بندی k-mean با پایتون
خوشه بندی سلسله مراتبی:
خوشه بندی سلسله مراتبی - قسمت 1
خوشه بندی سلسله مراتبی با مطالعات موردی
خوشه بندی سلسله مراتبی - قسمت 2
خوشه بندی سلسله مراتبی - قسمت 3
DIY - آنالایزر ریسک اعتباری خود را بسازید:
درک آنالایزر ریسک اعتباری
ایجاد آنالایزر ریسک اعتباری
آنالایزر ریسک اعتباری خود را بسازید