دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.

آموزش مبانی هوش مصنوعی و یادگیری ماشینی

دانلود PacktPub Artificial Intelligence and Machine Learning Fundamentals

10,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

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.

ویدئو معرفی این محصول

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

این مجموعه آموزش ویدیویی محصول موسسه آموزشی PacktPub است که بر روی 1 حلقه دیسک به همراه فایلهای تمرینی ارائه شده و به مدت زمان 7 ساعت و 47 دقیقه در اختیار علاقه مندان قرار می گیرد.

در ادامه با برخی از سرفصل های درسی این مجموعه آموزش آشنا می شویم :


اصول هوش مصنوعی:
مرور دوره
نصب و راه اندازی
مرور درس درس
معرفی به AI و یادگیری ماشین
چگونه AI مشکلات دنیای واقعی را حل می کند؟
زمینه ها و کاربردهای هوش مصنوعی
ابزار AI و مدل های یادگیری
نقش پایتون در هوش مصنوعی
مقدمه ای کوتاه بر کتابخانه Numpy
Python برای بازی AI
اولین جستجو و جستجوی عمیق اولین جستجو
خلاصه درس
ai با تکنیک های جستجو و بازی ها:
مرور درس
اکتشافات
Tic-tac-toe
Pathfinding با الگوریتم A *
معرفی الگوریتم A *
بازی AI با الگوریتم minmax
بازی AI با آلفا بتا هرس
خلاصه درس




مرور درس
رگرسیون خطی با یک متغیر
نصب یک مدل در داده ها با Scikit-Learn
رگرسیون خطی با متغیرهای متعدد
تهیه اطلاعات برای حفاظت
رگرسیون بردار چندجمله ای و پشتیبانی
خلاصه درس




اصول طبقه بندی بخش 1
اصول طبقه بندی قسمت 2
طبقه بندی نزدیکترین همسایه K
طبقه بندی با دستگاه های بردار پشتیبانی
خلاصه درس
استفاده از درختان برای تجزیه و تحلیل پیش بینی:
مرور درس
مقدمه ای بر روی درخت تصمیم گیری
انتروپی
ناخالصی گینی
دقت و یادآوری
طبقه بندی تصادفی جنگل
طبقه بندی جنگل تصادفی با استفاده از Scikit-Learn
خلاصه درس
خوشه بندی:
مرور درس
مقدمه ای به خوشه بندی
الگوریتم K-means
میانگین الگوریتم تغییر
خلاصه درس
یادگیری عمیق با شبکه های عصبی:
مرور درس
Tensorflow برای پایتون
معرفی به شبکه های عصبی
انتشار به جلو و عقب
آموزش مدل Tensorflow
یادگیری عمیق
خلاصه درس


Principles of Artificial Intelligence:
Course Overview
Installation and Setup
Lesson Overview
Introduction to AI and Machine Learning
How Does AI Solve Real World Problems?
Fields and Applications of Artificial Intelligence
AI Tools and Learning Models
The Role of Python in Artificial Intelligence
A Brief Introduction to the NumPy Library
Python for Game AI
Breadth First Search and Depth First Search
Lesson Summary

AI with Search Techniques and Games:
Lesson Overview
Heuristics
Tic-Tac-Toe
Pathfinding with the A* Algorithm
Introducing the A* Algorithm
Game AI with the Minmax Algorithm
Game AI with Alpha-Beta Pruning
Lesson Summary

Regression:
Lesson Overview
Linear Regression with One Variable
Fitting a Model on Data with scikit-learn
Linear Regression with Multiple Variables
Preparing Data for Protection
Polynomial and Support Vector Regression
Lesson Summary

Classification:
The Fundamentals of Classification Part 1
The Fundamentals of Classification Part 2
The k-nearest neighbor Classifier
Classification with Support Vector Machines
Lesson Summary

Using Trees for Predictive Analysis:
Lesson Overview
Introduction to Decision Trees
Entropy
Gini Impurity
Precision and Recall
Random Forest Classifier
Random Forest Classification Using scikit-learn
Lesson Summary

Clustering:
Lesson Overview
Introduction to Clustering
The k-means Algorithm
Mean Shift Algorithm
Lesson Summary

Deep Learning with Neural Networks:
Lesson Overview
TensorFlow for Python
Introduction to Neural Networks
Forward and Backward Propagation
Training the TensorFlow Model
Deep Learning
Lesson Summary