نوروز مبارک

نوروز مبارک

🔥 جشنواره نوروزی آموزش با ۷۰٪ تخفیف ویژه! 🎉

با آغاز سال نو، فرصتی استثنایی برای یادگیری فراهم شده است! 🌸

🚀 چرا نباید این فرصت را از دست داد؟
✅ دوره‌های متنوع و کاربردی
✅ تدریس توسط اساتید مجرب
✅ یادگیری در هر زمان و هر مکان

📌 همین حالا از این تخفیف فوق‌العاده بهره‌مند شوید! فرصت محدود است!

 

مشاهده دوره و ثبت نام
قیمت این دوره: 200,000 60,000 تومان
  • مدرس دوره : علی عوض زاده
  • تعداد ویدیوها : 34 ویدیو
  • مدت زمان دوره : 17:57:00
  • سطح دوره : متوسط
  • وضعیت دوره : به اتمام رسیده
  • تاریخ آخرین بروزرسانی : 1399/03/25
ثبتـــ نام در این دوره ثبت نام در دوره
آموزش یادگیری ماشین و داده کاوی با پایتون

آموزش یادگیری ماشین و داده کاوی با پایتون

تو این دوره اموزشی ما قصد داریم هم به یادگیری ماشین بپردازیم و الگوریتم های مهمی رو که بیشتر ازشون استفاده می شه برای شما ارائه و برای هر الگوریتم یک یا دو مثال  دنیای واقعی را با کتابخانه های پایتون   و دیتا ست های معروف انجام خواهیم داد و همچنین نحوه تحلیل داده و استخراج داده رو هم برای شما ارائه خواهیم داده .

الگوریتم های مهم این دوره

الگوریتم گرادیان کاهشی – رگرسیون خطی – رگرسیون لجستیک – درخت تصمیم – جنگل تصادفی – k  نزدیک ترین همسایه – ماشین بردار پشتیبان – بیز ساده- کاهش ابعاد- الگوریتم kmeansو.شباهت کسینوسی – ضریب پیرسون – کسینوس تعدیل شده

 

کتابخانه های تدریس شده

Numpy -matplotlib-seboarn-pandas- sklearn

انواع یادگیری: یادگیری نظارت شده-یادگیری بدون نظارت

 

پیشنیاز دوره : پایتون-ریاضیات- امار و احتمالات- مفاهیم هوش مصنوعی




فهرستـــ ویدیوها

مدت زمان دوره 17:57:00
00:00
00:00

  • با مشاهده آنلاین جلسات در سایت ، هزینه اینترنت شما به صورت نیم بها محاسبه خواهد شد.

1

  • معرفی دوره

00:12:00

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

2

  • تعاریف و مفاهیم(هوش مصنوعی و یادگیری ماشین)

00:27:00

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

3

  • تعاریف و مفاهیم(داده کاوی)

00:27:00

داده کاوی-کاربرد ها- الگوریتم ها و روش ها

4

  • کتابخانه numpy (قسمت اول)

00:58:00

ماتریس -نمایه سازی ، برش و تکرار
      آرایه های شاخص
 

5

  • کتابخانه numpy(قسمت دوم)

01:01:00

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

6

  • مصور سازی با کتابخانه matplotlib (قسمت اول)

00:31:00

Plot-subplot-figur-lable-legend

Sin – cos-line

7

  • مصور سازی با کتابخانه matplotlib (قسمت دوم)

00:37:00

Savefi-xlim-ylim-style-

8

  • مصور سازی با کتابخانه matplotlib و seboarn

00:44:00

Imagefunction- textfunction-seboarn-legendguide

9

  • کتابخانه pandas (درس اول)

00:27:00

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

10

  • کتابخانه pandas (درس دوم)

00:25:00

مشاهده داده ها-جزئبات آماری -آراستگی -تبدیل

11

  • کتابخانه pandas (درس سوم)

00:28:00

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

12

  • کتابخانه pandas (درس چهارم)

00:26:00

تجسم – ارزش شاخص-تکرار سطر وستون – گروه بندی

13

  • کتابخانه pandas (درس پنجم)

00:48:00

Assign-truncate-replace-fillna-notfill

14

  • کتابخانه pandas (درس ششم)

00:28:00

ادغام -پیوستن-جمع کردن-اضافه-اتصال

15

  • کتابخانه pandas (درس هفتم)

00:28:00

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

16

  • فصل دوم (سیستم توصیه گر)

00:48:00

الگوریتم فاصله منهتن-اقلیدسی -مینوکسفکی-عمومی سازی

17

  • سیستم های توصیه گر

00:33:00

ضریب همبستگی پیرسون-شباهت کسینوسی- کد پایتون-

18

  • سیستم های توصیه گر 2

00:23:00

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

19

  • پايش بر اساس اقلام

00:25:00

امتیازدهیِ صریح- امتیازدهی ضمنی- شباهت کسینوسیِ تعدیل شده

20

  • پايش بر اساس اقلام (قسمت دوم)

00:21:00

پیش گویی- نرمال سازی- غیر نرمال سازی-

21

  • پايش بر اساس اقلام(الگوریتم شیبِ یک)

00:21:00

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

پیش بینی

22

  • طبقه بندي(رگرسیون خطی)

00:38:00

Content Based Filtering & Classification

رگرسیون

نمونه های آموزشی- نمونه های تست

23

  • رگرسیون خطی چندگانه- الگوریتم گرادیان کاهشی

00:38:00

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

24

  • الگوریتم درخت تصمیم

00:47:00

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

25

  • الگوریتمِ جنگلِ تصادفی(Random Forest )

00:40:00

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

26

  • رگرسیون لجستیک(قسمت اول)

00:34:00

حد استانه-نرمال سازی

فرضیه احتمال

رگرسیون خطی در مقابل رگرسیون لجستیک

27

  • رگرسیون لجستیک (قسمت دوم)

00:32:00

رگرسیون لجستیک با تایع هزینه رگرسیون خطی-تابع هزینه

کلاس بندی با چند کلاس

28

  • ماشین بردار پشتیبان(قسمت اول)

00:28:00

بردار پشتیبان-حاشیه -پارامتر -کمینه

29

  • ماشین بردار پشتیبان (کرنل)

00:28:00

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

30

  • دیگر الگوریتم های طبقه بندی

00:44:00

ماتریس اغتشاش-آمارِ کاپا-تفسیر عددِ کاپا

31

  • خوشه بندی(الگوریتم (k-means

00:42:00

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

32

  • الگوریتم (PCA) (جلسه اخر)

00:28:00

کاهش بعد -مولفه های اصلی-خطا

33

  • فایل های دوره

00:00:00

تمرین ها -powerpoint- pdf-

34

  • حل 250مسئله (pandas+numpy+ matplotlib)

00:00:00

تمرین تقویتی- pandas- numpy - matplot

دوره های دیگر مدرس

مشاهده همه دوره ها
اینستاگرام
تلگرام

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 .

fga

ارسال شده در 1401/02/25

با سلام و درود 

مثال های  تدریس شده در قسمت الگوریتم ها فایل ان موجود نیست . در قسمت دانلود فایل هم گه گذاشتید من بررسی کردم ان ها نبودند مثل رگرسیون چند گاهنه و ....در صورت امکان ان ها رو کامل کنید .

با تشکر

 

RoomMateCoders

ارسال شده در 1400/11/26

برام یکم عجیب هست. سایت تاپ لرن در مباحث عملی و برنامه نویسی خیلی عالیه ولی چنین مباحثی کمی ضعیف هست. به عنوان مثال دوره هایی مثل مهندسی نرم افزار قطعا خیلی سخت هست که با ویدیوهای 20 دقیقه ای بخواهی جمعشون کنی. این مبحث مبحث بزرگیه و فکر نمیکنم بدین شکل بتونه خیلی مفید باشه. اکثر دانشجویان از آموزش اینجور مسائل در سایت زیاد رضایت ندارن.

محمد امین تقی دوست

ارسال شده در 1402/02/15

دوست خوبم ، آموزش فایل ها در حد 200،000 تومان مناسبن ! 

عزیزانی که این دوره رو تهیه میکنن ، به چشم یه آشنایی برای موضوهات مهم کلی AI و مسیر پیش رو برای حرفه شدن نگاه کنن 

 به طورخلاصه ، اگه موفقیت در طراحی هوش مصنوعی 100 پله داشته باشه ، این دوره پله اول رو نشونتون میده که خودش به خودیه خودش مهمه 

دوستان به عنوان خریدار میگم ،این دوره دیدگاهیی کلی بهتون میده ، درست مثله فهرست اول کتاب ، بهتون دید میده برای درک و فهم هوش مصنوعی در هر موضعی ، بدنبال چه مباحثی باید بگردین 

امیدوارم تونسته باشم منظومو رسونده باشم

موفق باشین

امیر کریمی

امیر کریمی

ارسال شده در 1400/11/16

اصلا خرید این دوره را پیشنهاد نمیکنم. کاملا بی فایده میباشد.

sokut3500

ارسال شده در 1400/05/28

دوستان خیلی دوره های بهتر و با کیفیت تر هست. نخرید. عدم تسلط کافی به مباحث

علی عوض زاده

علی عوض زاده

ارسال شده در 1400/05/21

سلام 

نه ما تو لین دوره بر روی انالیز چهره کار نکردیم

سامیار1388

ارسال شده در 1400/05/21

سلام 

میخواستم بدونم بعد این آموزش میتونیم سیستمی رو پیاده کنیم که چک کنه اگه چشم کاربر به مدت 5 ثانیه بسته شد آلارم بده؟ 

کاکا علی

کاکا علی

ارسال شده در 1400/04/21

با عرض سلام و ادب به استاد گرامی. بنده میخواستم در حوزه ی هوش مصنوعی و ماشین لرنینگ کار کنم. میخواستم بدونم ایا این دوره مناسب کارمن هست. ایا من بعد از این دوره فول شدم داخل هوش مصنوعی و ماشین لرنینگ. ممنون میشم پاسخ دهید.

 

کاکا علی

علی عوض زاده (مدرس)

ارسال شده در 1400/04/23

سلام دوست گرامی 

قطعا شما با اموزش دیدن با یک دوره تمام مباحث را یاد نخواهین گرفت ما در این دوره سعی کردیم که الگوریتم های مهم و کاربردی را اموزش بدیم اما هوش مصنوعی انقدر بزرگ و حجیم هست که صدها ساعت باید به دنبال اموزش و کتاب روزانه باشین و هر ورز هم پیشرفت های زیادی می کنه و اموزش ها گستر ده تر می شن  پس با این دوره انچه در ذهن شماست غیر ممکن است