آموزش جامع هوش مصنوعی با پایتون ( Python )

امروزه هوش مصنوعی به یکی از 5 علم برتر دنیا تبدیل شده و رد پای آن را میتوان در هر زمینه ای مشاهده کرد

شرکت های نرم افزاری، کمپانی های بازی سازی، شرکت های خصوصی که به دنبال افزایش فروش محصولات خود هستند و حتی دولت ها در زمینه های سیاسی خود از آمار و احتمالات در کنار هوش مصنوعی استفاده میکنند تا بتوانند در دنیای فناوری امروز که هر لحظه در حال پیشرفت می باشد ، خود را اثبات کرده و پایدار باقی بمانند

وظیفه ی هوش مصنوعی تصمیم گیری و انجام مواردی است که نیاز به هوش انسانی دارد و از این رو میتوانید آن را در پروژه های خود به طور گسترده مورد استفاده قرار دهید

در این دوره ی آموزشی قصد داریم با مفاهیم هوش مصنوعی آشنا شده و آن را در فرایندهای مختلف مورد استفاده قرار دهیم تا شما عزیزان بتوانید به صورت کاملا شخصی سازی شده ، از هوش مصنوعی در پروژه های خود استفاده کنین.

هدف ما یادگیری مباحث هوش مصنوعی ، یادگیری ماشین ( Machine Learning ) و مباحث تکمیلی یادگیری عمیق ( Deep Learning ) و شبکه های عصبی بوده و تمامی مباحث به صورت عملی به شما عزیزان تدریس خواهد شد

مخاطبین این دوره افرادی هستند که به مبحث هوش مصنوعی علاقه داشته و یا اینکه می خواهند از این گرایش در پروژه های خود استفاده کرده و میزان درآمد خود را افزایش دهند

لطفا سوالات خود را راجع به این آموزش در این بخش پرسش و پاسخ مطرح کنید به سوالات در قسمت نظرات پاسخ داده نخواهد شد.

آموزش جامع هوش مصنوعی با پایتون ( Python )

فهرستـــ ویدیوها

در صورتیکه ویدئو نمایش داده نشد آن را دانلود کنید و با KmPlayer مشاهده کنید.

لطفا در در صورت اقدام به دانلود تا انتها فرایند دانلود ، این صفحه را باز نگاه دارید.

مقدمه ی هوش مصنوعی

شروع مباحث ریاضی و عملگر تساوی

بررسی نمودار خطی و نقاط تلاقی

نقطه ی تلاقی دو نمودار

بررسی مفهوم توان ، لگاریتم و جذر

بررسی گزاره های توان دار

بررسی فاکتور گیری

نصب پیشنیازهای لازم

بررسی ابتدایی کتابخانه Pandas و مسیر پیش رو

بررسی انواع داده ها و مفاهیم مد، میانه و میانگین

بررسی میانگین و میانه و آنالیز دیتا

برررسی نمودار منحنی نرمال و مبحث Mode

بررسی مفاهیم واریانس و انحراف معیار

محاسبه ی واریانس و انحراف معیار در پایتون

بررسی مفاهیم توابع چگالی احتمال و جرم احتمال

بررسی تابع توزیع یکنواخت

بررسی توابع چگالی احتمال

بررسی نمودارهای توابع جرم احتمال

بررسی صدک ( Percentile )

بررسی کشیدگی و چولگی در آمار به همراه مباحث Moments

بررسی کتابخانه ی Matplotlib

پیاده سازی تغییرات روی نمودارهای خروجی

بررسی نمودار میله ای و دایره ای

بررسی نمودار نقطه ای و نمودار جعبه ای

بررسی اولیه ی Seaborn

بررسی امکانات دیگر SeaBorn

نمودارهای مهم در Seaborn

بررسی مفهوم Covariance و Correlation در آمار

نظرات کاربران در رابطه با این دوره