آموزش زبان برنامه نویسی پایتون

آموزش زبان برنامه نویسی پایتون

دوره حضوری و آنلاین آموزش برنامه نویسی پایتون

پایتون یکی از زبان های چند منظوره ،  شی گرا و سطح بالا می باشد که کاربرد بسیار زیادی دارد و همچنین از محبوبیت فوق العاده ای برخوردار است .

ساده بودن پایتون برای یادگیری و  محاسبه معادلات پیچیده و تحلیل های داده ، از دلایل جذابیت بالای این زبان میباشد .

در طول این دوره به مفاهیم پایه و اساسی این زبان قدرتمند تسلط پیدا خواهید کرد .

پس وقت رو از دست نده...

قیمت این دوره: 900,000 450,000 تومان
  • مدرس دوره : سید امیر آگاه
  • تعداد ویدیوها : 49 ویدیو
  • مدت زمان دوره : 9:55:00
  • سطح دوره : پیشرفته
  • وضعیت دوره : به اتمام رسیده
  • تاریخ آخرین بروزرسانی : 1402/04/13
ثبتـــ نام در این دوره ثبت نام در دوره
دوره یادگیری ماشین با پایتون

دوره یادگیری ماشین با پایتون

در این دوره مطالب مورد نیاز برای استفاده از یادگیری ماشین با استفاده از زبان برنامه نویسی پایتون و کتابخانه های مطرح ان را فرا خواهیم گرفت. با توجه به مطالب تئوری و محاسباتی پیچیده ان , در طراحی دوره به نحوی عمل شده است که تئوری های لازم صرفا برای درک مفهوم ارائه گردد و بیشتر به اموزش نحوه بکارگیری ان پرداخته ایم. عزیزانی که مایل به فهم عمیق تر مطالب ریاضی ان میباشند میتوانند به مراجعی که در اختیار قرار میدهیم مراجعه نمایند. دوره طراحی شده دارای 3 زیردوره مقدماتی , متوسط و پیشرفته میباشد. در دوره مقدماتی به ارائه پیش نیازها و اموزش کتابخانه های مورد نیاز پرداخته و در ادامه درخت تصمیم و جنگل تصادفی و رگراسیون خطی اموزش داده می شود. در دوره متوسط متدهای دیگر یادگیری ماشین مورد اشاره قرار خواهند گرفت . دوره پیشرفته نیز اموزش مباحث تئوری و عملی شبکه های عصبی و یادگیری عمیق انجام میگیرد.

 

سرفصل های دوره:

معرفی دوره

اموزش نصب

مرور سریع پایتون

اموزش NumPy

اموزش Pandas

اموزش  Matplotlib

اموزش  Seaborn

مفاهیم  Machine Learning

اموزش  Decision Tree & Random Forest

اموزش  Linear Regression

جمع بندی و توضیح مطالب دوره بعد



پیش نیاز های دوره :

  1. اشنایی و درک مفاهیم برنامه نویسی
  2. اشنایی با زبان برنامه نویسی پایتون (البته مرور مختصری بر موارد مورد نیاز خواهیم داشت)

فهرستـــ ویدیوها

مدت زمان دوره 9:55:00
00:00
00:00
  • با مشاهده آنلاین جلسات در سایت ، هزینه اینترنت شما به صورت نیم بها محاسبه خواهد شد.

1
  • معرفی دوره

00:09:21

معرفی دوره

2
  • نصب ابزارهای مورد نیاز

00:08:16

نصب ابزارهای مورد نیاز

3
  • راه اندازی ژوپیتر

00:07:33

نصب و راه اندازی ژوپیتر و نحوه عملکرد آن

4
  • مروری بر زبان برنامه نویسی پایتون

00:18:03

بخش اول

5
  • مروری بر زبان برنامه نویسی پایتون

00:18:28

بخش دوم

6
  • مروری بر زبان برنامه نویسی پایتون

00:21:44

بخش سوم

7
  • مروری بر زبان برنامه نویسی پایتون

00:20:14

بخش چهارم

8
  • مروری بر زبان برنامه نویسی پایتون

00:00:00

تمرین افزایش مهارت

9
  • مروری بر زبان برنامه نویسی پایتون

00:09:41

حل تمرین 

10
  • آشنایی با کتابخانه NumPy

00:09:01

اشنایی با کتابخانه NumPy

11
  • کتابخانه Numpy

00:20:53

بخش دوم

12
  • کتابخانه Numpy

00:26:03

بخش سوم

13
  • تمرین قسمت NumPy

00:07:33

در فایل اول (04_Numpy_Practice) تمرین لازم برای قسمت NumPy برای شما در نظر گرفته شده است . لطفا ابتدا سعی نمایید تا با توجه به دستور العملها , خودتان با دستورات فراگرفته شده انها را حل نمایید . در صورت هر گونه ابهام میتوانید از ویدئو این جلسه یا فایل دوم (05_Numpy_Practice_Solution) استفاده نمایید.

14
  • حل تمرین قسمت Numpy

00:00:00

حل تمرین قسمت NumPy - فایل 05_Numpy_Practice_Solution

15
  • آشنایی با کتابخانه Pandas

00:02:49

بخش اول - آشنایی با کتابخانه Pandas

16
  • کتابخانه Pandas

00:10:35

بخش دوم

17
  • کتابخانه Pandas

00:25:10

بخش سوم

18
  • کتابخانه Pandas

00:18:34

بخش چهارم

19
  • کتابخانه Pandas

00:12:11

بخش پنجم

20
  • کتابخانه Pandas

00:07:22

بخش ششم

21
  • تمرین قسمت Pandas

00:14:41

در فایل اول (08_Pandas_Practice) تمرین لازم برای قسمت Pandas برای شما در نظر گرفته شده است . لطفا ابتدا سعی نمایید تا با توجه به دستور العملها , خودتان با دستورات فراگرفته شده انها را حل نمایید . در صورت هر گونه ابهام میتوانید از ویدئو این جلسه یا فایل دوم (09_Pandas_Practice_Solution) استفاده نمایید.

22
  • حل تمرین قسمت Pandas

00:00:00

حل تمرین قسمت Pandas- فایل 09_Pandas_Practice_Solution

23
  • آشنایی با کتابخانه Matplotlib

00:03:49

بخش اول - آشنایی با کتابخانه Matplotlib

24
  • کتابخانه Matplotlib

00:18:15

بخش دوم

25
  • کتابخانه Matplotlib

00:16:21

بخش سوم

26
  • آشنایی با کتابخانه Seaborn

00:02:17

بخش اول - آشنایی با کتابخانه Seaborn

27
  • کتابخانه Seaborn

00:14:59

بخش دوم

28
  • کتابخانه Seaborn

00:14:37

بخش سوم - جلسه دوم اموزش کتابخانه Seaborn

29
  • کتابخانه Seaborn

00:17:11

بخش چهارم - جلسه سوم از اموزش کتابخانه Seaborn

30
  • مفاهیم Machine Learning

00:13:14

بخش اول - مفاهیم یادگیری ماشین

31
  • مفاهیم Machine Learning

00:13:03

ارزیابی مدل با نظارت - Classification

32
  • مفاهیم Machine Learning

00:07:20

ارزیابی مدل - Regression

33
  • شروع Machine Learning

00:07:28

شروع یادگیری ماشین با پایتون - توضیح اجمالی نحوه نگارش کدهای یادگیری ماشین و استفاده از کتابخانه های مرتبط

34
  • مفاهیم Linear Regression

00:06:18

بخش اول - مفاهیم Linear Regression

35
  • آموزش پیاده سازی Linear Regression

00:18:32

بخش دوم - جلسه اول آموزش پیاده سازی Linear Regression با استفاده از پایتون

36
  • آموزش پیاده سازی Linear Regression

00:08:05

بخش سوم - جلسه دوم آموزش پیاده سازی Linear Regression با استفاده از پایتون.

37
  • تمرین و حل تمرین قسمت Linear Regression

00:12:23

بخش چهارم - در فایل اول (04-Linear Regression Practice) تمرین لازم برای قسمت Linear Regressionبرای شما در نظر گرفته شده است . لطفا ابتدا سعی نمایید تا با توجه به دستور العملها , خودتان با دستورات فراگرفته شده انها را حل نمایید . در صورت هر گونه ابهام میتوانید از ویدئو این جلسه یا فایل دوم (06_Solution_Practice) استفاده نمایید.

38
  • مفاهیم Logistic Regression

00:10:52

بخش اول - آشنایی با مفاهیم Logistic Regression

39
  • آموزش پیاده سازی Logistic Regression

00:14:14

بخش دوم - جلسه اول آموزش پیاده سازی مدل Logistic Regression با استفاده از پایتون در فایل ضمیمه دیتاست اطلاعات هواپیمایی Invistico_Airline و فایل کد پایتون برای اموزش این جلسه و جلسه اتی در دسترس میباشد .

40
  • آموزش پیاده سازی Logistic Regression

00:21:43

بخش سوم - جلسه دوم آموزش پیاده سازی مدل Logistic Regression با پایتون فایل دیتاست اطلاعات هواپیمایی و کد پایتون ضمیمه میباشد .

41
  • آموزش پیاده سازی Logistic Regression مثال دوم

00:17:44

بخش چهارم - آموزش پیاده سازی مدل Logistic Regression با استفاده از پایتون جلسه اول از تمرین دوم در ضمیمه فایل csv اطلاعات کشتی تایتانیک (titanic) و فایل کد پایتون قراردارد .

42
  • آموزش پیاده سازی Logistic Regression مثال دوم

00:08:01

بخش پنجم - آموزش پیاده سازی مدل Logistic Regression با استفاده از پایتون . جلسه دوم از تمرین دوم در ضمیمه فایل csv اطلاعات کشتی تایتانیک (titanic) و فایل کد پایتون قراردارد .

43
  • مفاهیم DecisionTree و جنگل تصادفی

00:09:32

بخش اول - در این بخش مفاهیم تئوری لازم برای درخت تصمیم و جنگل تصادفی را مرور خواهیم کرد.

44
  • آموزش پیاده سازی DecisionTree

00:12:59

بخش دوم - مثال اول آموزش پیاده سازی مدلDecission Tree با استفاده از پایتون . در فایل ضمیمه دیتاست بیماری دیابت diabetes_data و فایل کد پایتون برای اموزش این جلسه در دسترس میباشد .

45
  • آموزش پیاده سازی DecisionTree

00:13:32

بخش سوم - مثال دوم آموزش پیاده سازی مدل Decision Tree با استفاده از پایتون. در فایل ضمیمه دیتاست کشتی تایتانیک اصلاح شده , titanic_data و فایل کد پایتون برای اموزش این جلسه در دسترس میباشد .

46
  • تمرین و حل تمرین قسمت Decision Tree

00:14:35

بخش چهارم - در این قسمت فایل های تمرین (DecissionTree_Practice) و حل تمرین (DecisionTree_Practice_Done) و دیتاست مربوطه (loan_data) ضمیمه میباشد.لطفا ابتدا سعی نمایید تا با توجه به دستور العملها , خودتان با دستورات فراگرفته شده انها را حل نمایید. در صورت هر گونه ابهام میتوانید از ویدئو این جلسه یا فایل حل تمرین استفاده نمایید.

47
  • ادامه حل تمرین قسمت Decision Tree

00:08:15

بخش پنجم - در قسمت دوم حل تمرین فایل های تمرین (DecissionTree_Practice) و حل تمرین (DecisionTree_Practice_Done) و دیتاست مربوطه (loan_data) ضمیمه میباشد.لطفا ابتدا سعی نمایید تا با توجه به دستور العملها , خودتان با دستورات فراگرفته شده کار را ادامه دهید. در صورت هر گونه ابهام میتوانید از ویدئو این جلسه یا فایل حل تمرین استفاده نمایید.

48
  • سخن پایانی

00:02:38

در این بخش بعنوان اخرین اپیزود , توضیحی از انچه در دوره دیدیم را خواهیم دید و سپس نگاهی به سرفصل های دوره بعدی خواهیم داشت. امیدوارم دوره برای شما مفید و کاربردی بوده باشد.

49
  • آپدیت دوره - کتابخانه پاندا

00:19:33

در قسمت اموزش کتابخانه Pandas یک قسمت بین شماره قسمت های 18 و 19 بارگزاری نشده بود و فایلهای ویدئو و کد پایتون بصورت ضمیمه قسمت 18 در اختیار شما قرار گرفته بود, ضمن عذرخواهی از دانش پژوهان عزیز این جلسه بعنوان اپدیت در اختیار شما قرار میگرد . موفق باشید.


نظرات کاربران در رابطه با این دوره

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 و آن نظر حذف میشود.
جهت ثبت نظر باید در سایت عضو شوید و یا وارد سایت شده باشید .

ameneh.salahshur@gmail.com

ارسال شده در 1402/04/15

سلام و خداقوت.چرا دوره تخفیف نداره 

سید امیر آگاه (مدرس)

ارسال شده در 1402/04/20

سلام و وقت بخیر , البته دوره هنگام انتشار که تخفیف داشت و بازهم در برخی از زمانها حتما تخفیف خواهد داشت. همین الان 40% تخفیف برای مدتی کوتاه فعال کردم. موفق باشید.

mahmoud mahmoudi

mahmoud mahmoudi

ارسال شده در 1402/04/08

 خیلی ممنون آموزشتون خوب بود تشکر فراوان
 

mahmoud mahmoudi

سید امیر آگاه (مدرس)

ارسال شده در 1402/04/08

خواهش میکنم. موفق باشید.

mohammad nematollahi

ارسال شده در 1402/03/15

سلام و درود به استاد اگاه 

استاد بنده درخواستی داشتم که ویدیو های دوره را در بخش های مقدماتی و متوسطه سریع تر بگذارین تا ما سریع تر  اشنا بشیم به این مباحث و دوره در بخش های مقدماتی و متوسطه ماه های ماه طول نکشد بسیار ممنون میشم 

mohammad nematollahi

سید امیر آگاه (مدرس)

ارسال شده در 1402/03/15

سلام و وقت بخیر , 

نگرانی جنابعالی برای طولانی نشدن دوره بسیار دقیق هست و قطعا تداوم مستمر جلسات اهمیت بالایی دارد . خوشبختانه در مورد جلسات تمام ویدئو ها و فایل ها توسط مدیر محترم سایت تا اخرین جلسه اپلود شده اند و طبق انچه به بنده اعلام نموده اند , روزانه یک جلسه ویدئو با ضمائم احتمالی ان قابل دسترسی برای دوستان خواهد بود , البته تصور میکنم روزهای تعطیل در روال کاری نباشد .

hossein 87

hossein 87

ارسال شده در 1402/03/14

سلام وقت بخیر 

ببخشید این دوره خودش سه بخشه؟

یا سه دوره متفاوت هست که بر سایت قرار خواهد گرفت؟

در ضمن پروژه عملی کار میشه 

و اینکه چند ساعت هست دوره

hossein 87

سید امیر آگاه (مدرس)

ارسال شده در 1402/03/14

سلام مجدد بر شما و دیگر دوستان عزیز , 

ضمن تشکر از بررسی مشخصات دوره , بنظرم اگر فایل 9 دقیقه ای معرفی دوره را ملاحظه بفرمایید جواب سوالتان برطرف خواهد شد اما بصورت کوتاه عرض میکنم . این مسیر 3 دوره مقدماتی , متوسط و پیشرفته دارد (دوره نهایی به شبکه عصبی و یادگیری عمیق میپردازد) . دلیل معین انهم اینستکه اگر شما به هر دلیلی از دوره مقدماتی رضایت نداشتید و یا با اهداف شما مساوی نبود , در دوره های بعدی ثبت نام نفرمایید و زمان و هزینه کمتری متحمل شده باشید . شما برای رسیدن به اهداف دوره ضروریست همه قسمتهای طراحی شده را بگذرانید لازم بذکر است دوره سهل نیست و نیازمند تلاش و ممارست شما میباشد. اگر در دوره اول توان کافی احساس نکردید , طبیعی است که در دوره های بعدی شرکت نفرمایید . اگر دوره برایتان سنگین نبود و جذاب بود و مطالب را جذب کردید , طبیعتا به اهداف تعیین شده که در ویدئوهای معرفی دوره دست خواهید یافت . مجددا لازم بذکر است دوره اصلا اسان نیست ولی در عین حال کاربردی و با تمرین و پروژه برای نیل به اهداف شما طراحی شده است . لیکن اگر تصور بر این دارید که با صرفا گذراندن یک دوره و بدون تمرین و ممارست شما تبدیل به یک مهندس داده خواهید شد , توصیه بر عدم شرکت در دوره دارم .ضروری است علاوه بر موضوعات ذکر شده تمرین با راهنمایی های داده شده بفرمایید و مهارت کافی را کسب فرمایید . بنده هم در حد توان همراهی خواهم داشت تا نتیجه مطلوب حاصل گردد . انشاءا...

hossein 87

hossein 87

ارسال شده در 1402/03/15

خیلی ممنون لطف کردین🌹

dell816

ارسال شده در 1402/03/14

مدت زمان هر یک از دوره ها چقدر خواهد بود ؟

ایا این دوره را میتوان بعنوان یک مسیر اموزشی برای علم داده در نظر گرفت ؟  

جلسات هر چند روز یا هفته در سایت اپلود خواهند شد ؟ 

سید امیر آگاه (مدرس)

ارسال شده در 1402/03/14

با سلام و وقت بخیر .

بعد از تکمیل این دوره شما به یادگیری ماشین و Deep learning  مسلط خواهید شد . مسیر , طراحی و گستره دوره در ویدئو معرفی بطور کامل توضیح داده شده است که پیشنهاد میکنم ملاحظه بفرمایید . دوره حاضر, تکمیل  و مطابق برنامه بصورت روزانه توسط مدیر سایت جلسات در اختیار دوستان قرار خواهد گرفت .