آموزش یادگیری ماشین و داده کاوی با پایتون

نعریف دوره -پیش نیاز ها- تعداد فصول -خروجی دوره

هوش مصنوعی-یادگیری ماشین-یادگیری نظارت شده-بدون نظارت-تقویتی

داده کاوی-کاربرد ها- الگوریتم ها و روش ها

ماتریس -نمایه سازی ، برش و تکرار
      آرایه های شاخص
 

گردش درآرایه-تغییر شکل یک آرایه
توابع-تقسیم یک آرایه 
 

Plot-subplot-figur-lable-legend

Sin – cos-line

Savefi-xlim-ylim-style-

Imagefunction- textfunction-seboarn-legendguide

ایجاد اشیاء-سختار داده ای دوبعدی-ساختار داده ای تک بعدی-

مشاهده داده ها-جزئبات آماری -آراستگی -تبدیل

انتخاب -تحوه انتخاب -نمایه سازی – جزئیات ردیف ها-تنکنیک ها

تجسم – ارزش شاخص-تکرار سطر وستون – گروه بندی

Assign-truncate-replace-fillna-notfill

ادغام -پیوستن-جمع کردن-اضافه-اتصال

کار با تاریخ و زمان-کار با داده های متنی -فایل اکسل – شیت ها

الگوریتم فاصله منهتن-اقلیدسی -مینوکسفکی-عمومی سازی

ضریب همبستگی پیرسون-شباهت کسینوسی- کد پایتون-

فاصه منهتن- K نزدیک ترین همسایه- شناساییِ پیشنهادهای مناسب- پایشِ مشارکتی

امتیازدهیِ صریح- امتیازدهی ضمنی- شباهت کسینوسیِ تعدیل شده

پیش گویی- نرمال سازی- غیر نرمال سازی-

الگوریتم شیبِ یک- الگوریتمِ شیبِ یکِ وزن دار- محاسبه ی انحراف

پیش بینی

Content Based Filtering & Classification

رگرسیون

نمونه های آموزشی- نمونه های تست

رگرسیون خطی چندگانه- الگوریتم گرادیان کاهشی- شیب خط-پارامترها-هایپرپارامتر

درخت تصمیم-زیر درخت سمت چپ- زیر درخت سمت راست-تقسیم بندی

طبقه بندي- یادگیری ماشین نظارت شده- کیسه‌گذاری- تعداد پردازنده

حد استانه-نرمال سازی

فرضیه احتمال

رگرسیون خطی در مقابل رگرسیون لجستیک

رگرسیون لجستیک با تایع هزینه رگرسیون خطی-تابع هزینه

کلاس بندی با چند کلاس

بردار پشتیبان-حاشیه -پارامتر -کمینه

داده های تفکیک نا پذیر-ترفند کرنل-تابع گوسی-تابع شعاعی

ماتریس اغتشاش-آمارِ کاپا-تفسیر عددِ کاپا

خوشه بندی سلسله مراتبی-Complete-linkage-Single-linkage

کاهش بعد -مولفه های اصلی-خطا

تمرین ها -powerpoint- pdf-

تمرین تقویتی- pandas- numpy - matplot