یادگیری ماشین - 5 پروژهی عملی و مبتدیپسند
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک مسئله: تعریف مسئله و اهداف پروژه
- جمعآوری داده: گردآوری داده مرتبط مورد نیاز برای مدل یادگیری ماشین
- پیشپردازش داده: پاکسازی، تبدیل و آمادهسازی داده برای مدلسازی
- انتخاب مدل: انتخاب الگوریتم مناسب بر اساس نوع مسئله
- آموزش مدل: آموزش مدلهای یادگیری ماشین با داده آموزشی
- ارزیابی مدل: سنجش عملکرد مدل با معیارهای ارزیابی.
- تیونینگ هایپرپارامترها: بهینهسازی هایپرپارامترهای مدل برای کسب نتایج بهتر
- استقرار: پیادهسازی مدل آموزشدیده برای پیشبینی روی داده جدید
پیشنیازهای دوره
مبانی زبان پایتون
توضیحات دوره
به دنیای یادگیری ماشین خوش آمدید!
در این دورهٔ عملی، سفری هیجانانگیز به دنیای پروژههای یادگیری ماشین مبتنی بر پایتون خواهید داشت. چه کاملاً مبتدی باشید و چه کمی تجربه برنامهنویسی داشته باشید، این دوره به دقت طراحی شده تا به شما اصول یادگیری ماشین را از طریق کاربردهای واقعی آموزش دهد.
آنچه یاد خواهید گرفت:
در قالب پنج پروژهٔ جذاب و واقعی، نه تنها بینشهای ارزشمند، بلکه تجربه عملی در زمینههای زیر کسب خواهید کرد:
- پیشبینی قیمت خانه با رگرسیون خطی: به هنر پیادهسازی رگرسیون خطی، یک تکنیک اساسی در یادگیری ماشین برای پیشبینی قیمت مسکن، مسلط شوید. پیشپردازش داده، مهندسی ویژگی، آموزش مدل و ارزیابی آن را عمیقا بررسی کنید.
- فیلترینگ ایمیل با Classifier بیز ساده: با الگوریتم بیز ساده یک classifier اسپم ایمیل بسازید. رازهای تکنیکهای پیشپردازش متن و استخراج ویژگی برای وظایف پردازش زبان طبیعی را کشف کنید.
- پیشبینی قیمت خودرو با شبکههای عصبی: وارد دنیای یادگیری عمیق شوید و شبکه عصبی طراحی کنید که قیمت خودرو را پیشبینی میکند. مبانی یادگیری عمیق، پسانتشار و بهینهسازی مدل را بشناسید.
- تقسیمبندی مشتریان با K-Means: قدرت یادگیری بدون نظارت را با تقسیمبندی مشتریان به کمک الگوریتم K-Means بررسی کنید. گروههای متمایز مشتریان را شناسایی کنید تا استراتژیهای بازاریابی هدفمندتری داشته باشید.
- حفظ کارمندان برای منابع انسانی با رگرسیون لجستیک: به یک چالش حیاتی کسبوکار با پیشبینی حفظ کارمندان با رگرسیون لجستیک رسیدگی کنید. داده منابع انسانی را تحلیل کنید تا عوامل تأثیرگذار بر خروج کارمندان را کشف کنید.
چرا در این دوره شرکت کنید؟
یادگیری ماشین حوزهای به سرعت در حال پیشرفت با فرصتهای بیشمار است. همچنان که این دوره شما را در این پروژههای تحولآفرین راهنمایی میکند، شما نه تنها مهارتهای عملی کسب میکنید، بلکه درک عمیقی از مفاهیم بنیادین، از آمادهسازی داده تا ارزیابی مدل، بدست خواهید آورد.
نیازی به دانش قبلی یادگیری ماشین ندارید، این دوره به شما همه چیز را از ابتدا یاد میدهد.
امروز در این دوره شرکت کنید و سفر یادگیری ماشین خود را آغاز کنید!
این دوره برای چه کسانی مناسب است؟
- افراد مبتدی که مشتاق ورود به دنیای یادگیری ماشین و علوم داده هستند.
- توسعهدهندگان پایتون که میخواهند مهارتهای خود را در پروژههای عملی یادگیری ماشین به کار ببرند.
- علاقهمندان به داده که به دنبال تجربه عملی در کاربردهای واقعی یادگیری ماشین هستند.
یادگیری ماشین - 5 پروژهی عملی و مبتدیپسند
-
آشنایی با مدرس 01:53
-
مقدمه ای بر دوره 04:41
-
بازخورد صادقانه شما 01:18
-
معرفی ماژول 04:19
-
نصب و ایمپورت کتابخانهها 04:59
-
ایمپورت و مصورسازی مجموعه داده 07:32
-
مجموعه داده 01:56
-
تقسیم ویژگی و برچسب 03:47
-
Train Test Split 04:51
-
مدل یادگیری ماشین 04:55
-
رگرسیون خطی 05:07
-
ارزیابی مدل 06:57
-
انجام پیشبینیها 05:10
-
آزمون 02:11
-
معرفی ماژول 03:32
-
تقسیم ایمپورت داده 05:54
-
حذف ایست واژهها 06:22
-
ساختن ابر کلمات 05:56
-
توضیح CountVectorizer 03:14
-
بردارسازی ویژگی متن 04:32
-
پیادهسازی و ارزیابی مدل 03:11
-
جزئیات و انواع بیز ساده 04:36
-
انجام پیشبینیها 02:14
-
آزمون 02:16
-
معرفی ماژول 03:42
-
شروع کار با Colab 04:07
-
بارگذاری داده در Colab 04:41
-
تصویریسازی دادهها 06:00
-
کدگذاری وان هات (One Hot) 11:55
-
استانداردسازی داده 04:49
-
توضیح یادگیری عمیق 06:53
-
معماری مدل 07:36
-
آموزش مدل 04:54
-
ارزیابی مدل 05:25
-
انجام پیشبینیها 02:27
-
آزمون 02:21
-
معرفی ماژول 02:07
-
آشنایی با ایمپورتها و داده 02:46
-
مصورسازی و تحلیل داده 06:10
-
الگوریتم K-Means 06:10
-
پیادهسازی مدل 05:13
-
رسم مرکزوارها 04:17
-
یافتن مقدار بهینه 07:19
-
نقشه خوشه 02:23
-
آزمون 01:43
-
معرفی ماژول 04:14
-
کتابخانهها و مجموعه داده 03:45
-
تحلیل دادهها 03:56
-
آموزش و ارزیابی مدل 05:32
-
نقشه حرارتی پیشبینیها 05:41
مشخصات آموزش
یادگیری ماشین - 5 پروژهی عملی و مبتدیپسند
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:50
- مدت زمان :03:48:29
- حجم :2.53GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy