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.

کورس استفاده از یادگیری ماشینی در هوش مصنوعی

کورس استفاده از یادگیری ماشینی در هوش مصنوعی

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 از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با کاربرد یادگیری ماشینی در هوش مصنوعی یاد می گیرید.

عنوان اصلی : MACHINE LEARNING MASTER CLASS, AI MADE EASY (Zero to Hero!!)

سرفصل ها :


پایتون: راه اندازی:
Python راه اندازی
نوت بوک Jupyter
Pycharm Python IDE
به روز رسانی: وب سایت Anaconda به روز شده است
دیدار با نویسنده خود
لینک های LinkedIn و Instagram
پایتون: مبانی:
انواع داده ها
شماره پایتون
متغیرها و تخصیص
اصول رشته
Start شروع به توقف و مرحله
STRING SLICING
رشته قالب بندی
لیست در پایتون
لیست کوتاه، معکوس، حذف، روشن، فهرست لیست
مجموعه ها
tuples
دیکشنری در پایتون
هیچکدام و بول
اپراتورهای مقایسه
اپراتورهای منطقی
اتصال به LinkedIn، "خوب است!"
پروژه پروژه / نوت بوک برای بخش
پایتون: اظهارات:
if elif & else
در حالی که حلقه
برای حلقه
tuple unpacking
شکستن، ادامه و گذراندن
محدوده، شمارش و زیپ
در
ورودی و واردات
انجمن بحث
پروژه پروژه / نوت بوک برای بخش
پایتون: روش و توابع:
توابع تعریف شده توسط کاربر
کمک به کمک
scopes
args و kwargs
نقشه ها، فیلترها و لامباداها
lambda یک بار دیگر
درباره فایل های پروژه
پروژه پروژه / نوت بوک برای بخش
پایتون: ماژول و بسته ها:
Python Packages
بسته های تعریف شده کاربر
بسته های تعریف شده کاربر همچنان ادامه دارد
پروژه پروژه / نوت بوک برای بخش
پایتون: oops در پایتون:
نامزدی و مقدمه
ویژگی های کلاس و روش ها
ارث
چندگانه، وراثت چند سطح و MRO
پلی مورفیسم
روش های کلاس ویژه
پروژه پروژه / نوت بوک برای بخش
پایتون: خطاهای دستکاری:
سعی کنید به جز در نهایت
انواع خطای، دیگر و در نهایت
پروژه پروژه / نوت بوک برای بخش
تزئینات Python و ژنراتورها:
Python Decorators
Decorator روش کلاس
ژنراتورهای پایتون
پروژه پروژه / نوت بوک برای بخش
پایتون: عبارات منظم:
معرفی عبارات منظم
بیان منظم، گروه بندی و لوله
تکرار و محدوده
بازی های حریص، غیر حریص و پیدا کردن
شروع به endswith و نقطه نقطه
شروع به endswith و شخصیت نقطه ادامه می یابد
مجموعه ها
تطبیق ادبی، زیر و افعال
پروژه پروژه / نوت بوک برای بخش
پایتون: فایل ها:
فایل های معرفی
مسیر
حالت خواندن، نوشتن حالت و روش ها
پروژه پروژه / نوت بوک برای بخش
پایتون: numpy:
راه اندازی
توابع آرایه ای Numpy - آرایه تولید
روش های بر اساس آرایه تصادفی
Slicing و پخش
انتخاب ماتریس و انتخاب شرطی
عملیات numpy
پروژه پروژه / نوت بوک برای بخش
Python: Pandas:
Panda Series
DataFrame مقدمه
انتخاب داده ها
گروهی
concatenation
عملیات
پروژه پروژه / نوت بوک برای بخش
ماژول های مفید تر:
کلاس تصادفی پایتون
تصادفی تحت numpy و arange
مجموعه پایتون
Python شمارنده از مجموعه ها
Matrix Matrix Multiplication
پروژه پروژه / نوت بوک برای بخش
Python: Matplotlib
Matplotlib طرح ساده، نمودار خط
MatplotLib Bar-Graph و چند طرح
subplot matplotlib و هیستوگرام
پراکندگی پراکنده Matplotlib و نمودارهای پای
پراکندگی 3D Matplotlib و طرح ساده
Matpotlib Wireframe سطح طرح
پروژه پروژه / نوت بوک برای بخش
ml: قبل از شروع ما:
معرفی به ML و آموزش تحت نظارت
یادگیری غیرقابل پیش بینی
نوع داده ها
میانگین حالت متوسط
انحراف استاندارد
رایج ترین توزیع داده ها، PDF و PMF
درصد، لحظه و کوانتول
پروژه پروژه / نوت بوک برای بخش
تجسم (تجزیه و تحلیل داده های اکتشافی) با Seeborn:
AutoComplete در نوت بوک Jupyter
طرح پراکنده در مجموعه داده های IRIS
طرح جفت و محدودیت
Tips DataSet
قطعه های Seeborn
قطعه Facetgrid
تجزیه و تحلیل یکپارچه با استفاده از PDF
Boxplot و Violin Plot
Heatmap
پروژه پروژه / نوت بوک برای بخش

basics algebra خطی برای ML:
Matrices
عملیات ماتریس و عملیات اسکالر
Matrix ضرب
ضربات بردار
ماتریس هویت، خواص معکوس ماتریس، انتقال ماتریس
پیش پردازش:
داده های وارداتی
دست زدن به داده های گم شده
انتخاب ویژگی ها و رمزگذاری داده های دسته بندی
تست و قطار داده تقسیم و مقیاس ویژگی
زیر و بیش از نمونه برداری
تخصیص و راهنمایی
راه حل انتساب و Onehotencoding - قسمت 01
راه حل انتساب و Onehotencoding - قسمت 02
پروژه پروژه / نوت بوک برای بخش
l