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.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

آموزش یادگیری ماشینی و Deep learning در پایتون و R

آموزش یادگیری ماشینی و Deep learning در پایتون و R

20,900 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 قدم به قدم یاد می گیرید که چطور پروژه های Deep Learning و همچنین یادگیری ماشینی را در زبان های پایتون و R انجام دهید. 

عنوان اصلی : Machine Learning & Deep Learning in Python & R

سرفصل ها :


مقدمه:
معرفی تنظیم پایتون و Jupyter نوت بوک: منابع دوره
از: کدهای، یادداشت ها و مجموعه داده نصب پایتون و آناکوندا باز کردن Jupyter نوت بوک مقدمه به Jupyter اپراتورهای حساب در پایتون: پایتون مبانی رشته ها در پایتون: پایتون مبانی لیست، چندتایی و راهنماها: پایتون مبانی کار با نامپای کتابخانه پایتون کار با پاندا کتابخانه پایتون کار با Seaborn کتابخانه پایتون از راه اندازی R استودیو و سقوط R دوره: نصب R و R استودیو مبانی R و R استودیو بسته در R وارد کردن بخشی از داده 1: مجموعه داده های داخلی از R وارد بخش داده 2: ورود اطلاعات دستی وارد بخش داده ها 3: واردات از CSV و یا فایل های متنی ایجاد Barplots در R ایجاد هیستوگرام در R مبانی آمار: انواع داده انواع آمار توصیف داده گرافیکی اقدامات مراکز اقدامات پراکندگی در یادگیری ماشین:
معرفی به یادگیری ماشین ایجاد یک مدل یادگیری ماشین داده پیش پردازش: جمع آوری دانش کسب و کار
دادههای اکتشاف که مجموعه اطلاعات و داده های فرهنگ لغت وارد کردن داده های در پایتون واردات مجموعه دادهها رو به R تجزیه و تحلیل تک متغیره و EDD
از EDD در پایتون EDD در R پرت درمان
از پرت درمان در پایتون پرت درمان در R دست رفته ارزش بستن دست رفته ارزش بستن در پایتون دست رفته نسبت دادن ارزش در R فصلی در داده تجزیه و تحلیل بی متغیره و تحول متغیر بهتر
تحول متغیر و حذف در پایتون تحول متغیر در R متغیرهای غیر قابل استفاده ساختگی ایجاد متغیر: سیستم های انتقال مواد داده های کیفی ایجاد متغیر ساختگی در پایتون ساختگی ایجاد متغیر در R تحلیل همبستگی
از ارتباط تجزیه و تحلیل در پایتون ارتباط ماتریس در R از رگرسیون خطی: در بیانیه مشکل معادلات عمومی و مربع حداقل معمولی روش (OLS) بررسی دقت و صحت ضرایب پیش بینی بررسی مدل دقت: RSE و R مربع بهتر
رگرسیون خطی ساده در پایتون رگرسیون خطی ساده در R
رگرسیون خطی چندگانه اف - آمار نتایج شفاهی از متغیرهای قطعی بهتر
رگرسیون خطی چندگانه در پایتون رگرسیون خطی چندگانه در R تست ترکیب تقسیم گرایش واریانس تجارت کردن تقسیم قطار تست در پایتون تست قطار Split در R مدل خطی دیگر از OLS تکنیک های انتخاب زیر مجموعه انتخاب زیر مجموعه در R روش انقباض: ریج و کمند رگرسیون ریج و کمند در پایتون رگرسیون ریج و کمند در R ناهمسانی در مدل های طبقه بندی: اطلاعات آماده سازی: داده ها و داده های فرهنگ لغت وارد کردن داده ها در پایتون واردات مجموعه دادهها رو به R EDD در پایتون EDD در R درمان پرت در پایتون پرت درمان در R دست رفته ارزش بستن در پایتون دست رفته نسبت دادن ارزش در R بهتر
تحول متغیر و حذف در پایتون تحول متغیر در R ایجاد متغیر ساختگی در پایتون ساختگی ایجاد متغیر در R در مدل های طبقه بندی سه: سه طبقه و مشکل بیانیه چرا ما نمی توانیم استفاده رگرسیون خطی؟ از رگرسیون لجستیک: رگرسیون لجستیک آموزش یک مدل لجستیک ساده در پایتون آموزش یک مدل لجستیک ساده در R از رگرسیون لجستیک ساده نتیجه لجستیک با پیش بینی های متعدد مدل لجستیک پیش بینی چند آموزش در پایتون آموزش پیش بینی چند مدل لجستیک در R سردرگمی ماتریس ایجاد ماتریس سردرگمی در پایتون ارزیابی عملکرد مدل ارزیابی عملکرد مدل در پایتون پیش بینی احتمال، اختصاص کلاس و سردرگمی ماتریس در R به خطی تفکیک تحلیل (LDA): تجزیه و تحلیل تفکیک خطی LDA در پایتون تجزیه و تحلیل مشخص خطی در R از K-نزدیکترین همسایه طبقه بندی: تست قطار اسپلیت تست قطار تقسیم در پایتون تست قطار Split در R K-نزدیکترین همسایه طبقه بندی K-نزدیکترین همسایه در پایتون: قسمت 1 K-نزدیکترین همسایه در پایتون: قسمت 2 K-نزدیکترین همسایه در R در مقایسه نتایج حاصل از 3 مدل: درک نتایج از مدل های طبقه بندی خلاصه از سه مدل از درخت های تصمیم گیری ساده: مبانی درختان تصمیم درک یک درخت رگرسیون بهتر
معیارهای توقف برای کنترل رشد درخت مجموعه داده ها برای این بخش واردات مجموعه داده ها به P