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 حرفه ای شدن در Machine Learning

دانلود Udemy Machine Learning Become Expert Full Course 31hrs

35,000 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 یادگیری ماشینی یاد می گیرید.

عنوان اصلی : Machine Learning Become Expert Full Course 31hrs

این مجموعه آموزش ویدیویی محصول موسسه آموزشی Udemy است که بر روی 8 حلقه دیسک به همراه اسلایدهای مدرس ارائه شده و به مدت زمان 31 ساعت و 25 دقیقه در اختیار علاقه مندان قرار می گیرد.

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


01 Course Introduction - 6 videos:
001 AI Hype
002 Mario's Triangle & The Skills Gap
003 Why is this course differnt_
004 Software & Hardware Needs
005 Course Details - AI Subjects Covered
006 Hands On Introduction

02 Definitions, Fundamentals and History of AI - 5 videos:
001 What is AI, what is Machine Learning and what is Deep Learning_
002 History of AI
003 Regression Problem & Cost Function
004 Classification
005 Supervised, Unsupervised and Reinforcement Learning

03 Linear Algebra and Calculus Refresher - 11 Videos:
001 Scalars and Vectors 1
002 Scalars and Vectors 2
003 Matrices 1
004 Matrices 2
005 Eigenvalues and Eigenvectors
006 Tensors
007 Derivatives
008 Convex Functions
009 Partial Derivatives
010 Lagrange Multipliers
011 Taylor Series

04 Gradient Descent and Optimizers - 10 videos:
001 Gradient Descent 1
002 Gradient Descent 2
003 Multi-Variate Gradient Descent
004 Contour Plots
005 Newton's Method
006 Stochastic Gradient Descent
007 Optimizers _ Adagrad _ RMSprop
008 Optimizers _ Momentum _ Adam
009 Feature Scaling _ Feature Normalisation
010 Gradient Descent Summary

05 Classification and Classification Performance Indicators - 4 videos:
001 Classification - Introduction
002 Confusion Matrix
003 ROC Curve _ AUC
004 F1 Score

06 K nearest neighbours (KNN) - 8 Videos:
001 Introduction to KNN
002 How to select K_
003 Curse of Dimentionality
004 Coding Brief
005 Coding 1_4
006 Coding 2_4
007 Coding 3_4
008 Coding 4_4

07 Dimensionality Reduction - 7 Videos:
001 Introduction
002 Principal Component Analisys (PCA) 1
003 Principal Component Analisys (PCA) 2
004 Principal Component Analisys (PCA) 3
005 Singular Value Decomposition (SVD) 1
006 Singular Value Decomposition (SVD) 2
007 Coding

08 Statistics Refresher - 13 Videos:
001 Introduction
002 Random Variable & Probability Distribution
003 Bayes' Rule
004 MLE and MAP
005 Expected Value and Variance of a Random Variable
006 Bernoulli Distribution
007 Binomial Distribution 1
008 Binomial Distribution 2
009 Gaussian Distribution 1
010 Gaussian Distribution 2
011 Weak Law of Large Numbers (WLLN)
012 Central Limit Theorem (CLT)
013 Covariance and Variance Matrix

09 The Perceptron - 6 videos:
001 The Perceptron 1
002 The Perceptron 2
003 XOR Problem
004 Activation Function
005 SoftMax and ReLu
006 Summary

10 Naive Bayes - 10 Videos:
001 Introduction
002 Naive Bayes 1
003 Naive Bayes 2
004 Naive Bayes - Continuous Case
005 Naive Bayes - Discreet Case 1
006 Naive Bayes - Discreet Case 2
007 Coding Brief
008 Coding 1_3
009 Coding 2_3
010 Coding 3_3

11 Logistic Regression - 14 Videos:
001 Introduction
002 Logistic Regression - 1
003 Normal Equation
004 Logistic Regression - 2
005 Logistic Regression - 3
006 Logistic Regression - 4
007 Logistic Regression - 5
008 Logistic Regression - 6
009 Logistic Regression - 7
010 Coding Brief
011 Coding 1_3
012 Coding 2_3
013 Coding 3_3
014 Coding Results

12 Support Vector Machines - 12 Videos:
001 Introduction
002 SVM 1
003 SVM 2
004 SVM 3
005 SVM 4
006 Kernel Trick
007 Coding Brief
008 Coding Brief - Hyperparameter Tuning
009 Coding 1_4
010 Coding 2_4
011 Coding 3_4
012 Coding 4_4 + Results

13 Underfitting, Overfitting & Regularizaion - 5 Videos:
001 Introduction
002 Bias Variance Decomposition
003 Regularization 1
004 Regularization 2
005 Regularization 3

14 Decision Trees - 28 Videos:
001 Classifiers_ Taking Stock
002 KD Trees 1
003 KD Trees 2
004 Information Content
005 Entropy
006 Cross-Entropy 1
007 Cross-Entropy 2
008 KL Divergence
009 Entropy over a Tree
010 Bagging
011 Random Forest
012 Random Forest_ Coding
013 Boosting
014 ADABoost 1
015 ADABoost 2
016 Gradient Boosting 1
017 Gradient Boosting 2
018 Gradient Boosting 3
019 Gradient Boosting 4
020 Gradient Boosting 5
021 Gradient Boosting vs. Gradient Descent
022 Coding Brief 1
023 Coding Brief 2_ Hyperparameter Tuning_ GridSearch & Random Search
024 Coding Brief 3_ Hyperparameter Tuning_ Bayesian Optimization
025 Coding Brief 4
026 Coding 1_3
027 Coding 2_3
028 Coding 3_3

15 Unsupervised Learning - Recommender Systems - 8 Videos:
001 Taking Stock
002 Introduction to Recommender Systems
003 Content Based Systems
004 Collaborative Filtering 1
005 Collaborative Filtering 2
006 Collaborative Filtering 3
007 Collaborative Filtering 4
008 Collaborative Filtering 5

16 Unsupervised Learning - Anomaly Detection:
001 Unsupervised Learning & Anomaly Detection Introduction
002 Anomaly Detection Systems_ Simple Statistics & Density Based Methods
003 Anomaly Detection Systems_ Local Outlier Factor (LOF)
004 Anomaly Detection Systems_ One Class SVM
005 Anomaly Detection Systems_ Isolated Forest
006 Anomaly Detection Systems_ Coding Brief
007 Coding 1_4
008 Coding 2_4
009 Coding 3_4
010 Coding 4_4
011 Coding Results

17 Unsupervised Learning - Clustering:
001 Introduction Clustering
002 K-Means 1
003 K-Means 2
004 Coding Brief
005 Coding 1_2
006 Coding 2_2

18 Deep Learning - 15 Videos:
001 Introduction
002 The Perceptron
003 From Perceptron to Neural Networks
004 Neural Networks Terminology
005 Coding Brief
006 Coding 1_1
007 Backpropagation 1
008 Backpropagation 2
009 Coding Brief
010 Coding 1_1
011 Regularization
012 Coding 1_3
013 Coding 2_3
014 Coding 3_3
015 Results Brief

19 Convolutional Neural Networks - Computer Vision_ 34 Videos:
001 Covnets Introduction 1
002 Covnets Introduction 2
003 Analog & Digital Signals
004 Signal Theory - LTI Systems 1
005 Signal Theory - LTI Systems 2
006 Signal Theory - LTI Systems 3
007 Signal Theory - LTI Systems 4
008 Why do we need Covnets_
009 Covnet Elements
010 Covnet Architecture 1
011 Covnet Architecture 2
012 Coding Brief Covnets
013 Coding - Data Upload
014 Coding Brief Data Preparation 1
015 Coding Brief Data Preparation 2
016 Coding 1_2
017 Coding 2_2
018 Data Augmentation
019 Coding 1_1
020 Feature Extraction
021 ResNet 1
022 ResNet 2
023 ResNet 3
024 ResNet 4
025 Transfer Learning - Feature Extraction
026 Coding_ Transfer Learning - ResNet50 1_3
027 Coding_ Transfer Learning - ResNet50 2_3
028 Coding_ Transfer Learning - ResNet50 3_3
029 Coding_ Transfer Learning - VGG16
030 Transfer Learning - Results
031 Transfer Learning - Finetuning
032 Coding VGG16 - Finetuning
033 Coding ResNet - Finetuning
034 Coding Results Finetuning

20 Dealing with Text Data - 13 Videos:
001 Introduction
002 From Words to Vectors
003 T-SNE
004 Word Embeddings CBOW 1
005 Word Embeddings CBOW 2
006 Word Embeddings CBOW 3
007 Word Embeddings SKIP GRAM
008 Negative Sampling 1
009 Negative Sampling 2
010 Hierarchical Softmax
011 Direct co-occurence count
012 Glove
013 Batch Normalization

21 Recurrent Neural Networks - 11 Videos:
001 Introduction
002 BPTT 1
003 BPTT 2
004 BPTT 3
005 Selective Write, Read and Forget
006 LSTM & GRU
007 Coding Brief
008 Coding Simple RNN
009 Coding Transfer Learning - GloVe
010 Coding LSTM
011 Coding Results

22 RNNs & Time Series - 13 Videos:
001 Coding Brief 1
002 Coding Brief 2
003 Coding 1_3
004 Coding 2_3
005 Coding 3_3
006 Recurrent Dropout & Stacking
007 Coding Recurrent Dropout and Stacking
008 Bidirectional RNNs
009 Coding Bidirectional RNNs
010 1D Covnet
011 Coding 1D Covnet
012 Coding 1D Covnet + Recurrent Dropout
013 Coding Results
014 Sequence to Sequence Models
015 Attention
016 Transformers

23 Generative Deep Learning_ Everybody an Artist:
001 Introduction
002 Coding Brief
003 Coding 1_3
004 Coding 2_3
005 Coding 3_3
006 Neural Style Transfer 1
007 Neural Style Transfer 2
008 Variational Autoencoders (VAEs) 1
009 Variational Autoencoders (VAEs) 2
010 Variational Autoencoders (VAEs) 3
011 Variational Autoencoders (VAEs) 4
012 Variational Autoencoders (VAEs) 5
013 Variational Autoencoders (VAEs) 6
014 Variational Autoencoders (VAEs) 7
015 GANs 1
016 GANs 2
017 GANs 3
018 GANs 4
019 GANs 5
020 GANs 6

مشخصات این مجموعه :
زبان آموزش ها انگلیسی روان و ساده
دارای آموزشهای ویدیویی و دسته بندی شده
ارائه شده بر روی 8 حلقه دیسک به همراه اسلایدهای مدرس
مدت زمان آموزش 31 ساعت و 25 دقیقه !
محصول موسسه آموزشی Udemy