دوره آموزشی
دوبله زبان فارسی
آموزش ضروری پایتون برای علم داده و یادگیری ماشین - بخش 2 (2026)
✅ سرفصل و جزئیات آموزش
اگر یک متخصص شاغل هستید و میخواهید از دادههای کسبوکار برای تصمیمگیریهای بهتر از طریق تحلیل پیشبینانه استفاده کنید، این دوره میتواند به شما کمک کند. لیلیان پیِرسون - مهندس، مدیرعامل و رئیس بخش محصول در Data-Mania- شما را با ترکیبی قدرتمند از تجربهی پایه در کدنویسی علم داده، دموها، چالشها، راهحلها و تمرینهایی همراهی میکند که میتوانید بهسرعت در تحلیلهای دادهی سفارشی و پروژههای تحلیلی به کار بگیرید. بهترین شیوه ها را برای پاکسازی داده، مصورسازی داده، تحلیل داده و برنامهنویسی Python بیاموزید.
تا پایان این دوره، میتوانید از پایتون برای موارد زیر استفاده کنید:
- پاکسازی، بازآرایی، قالببندی مجدد و توصیف دادهها
- ایجاد مصورسازیهای داده برای ارائهی داده و تحلیل اکتشافی بصری
- شناسایی و حذف دادههای پرت
- انجام تحلیل سادهی داده
- جمعآوری، استخراج و تحلیل داده از اینترنت
- ایجاد داراییهای تحلیلی مشارکتی با استفاده از Plot.ly
آموزش ضروری پایتون برای علم داده و یادگیری ماشین - بخش 2 (2026)
-
ترفندهای کاربردی علم داده 0:00:40
-
آنچه باید بدانید 0:00:34
-
نحوه استفاده از Codespaces در این دوره 0:03:14
-
تعریف علم داده 0:05:06
-
جایگاه یادگیری ماشین را بشناسید 0:09:48
-
مبانی هوش مصنوعی و یادگیری ماشین 0:03:33
-
دستهبندی الگوریتمهای یادگیری ماشین 0:06:40
-
نقشهی راه کلی یادگیری ماشین 0:03:00
-
رگرسیون خطی 0:12:55
-
رگرسیون خطی چندگانه 0:10:53
-
رگرسیون لجستیک: مفاهیم 0:08:18
-
رگرسیون لجستیک: آمادهسازی داده 0:08:01
-
رگرسیون لجستیک: رسیدگی به مقادیر گمشده 0:12:34
-
رگرسیون لجستیک: انکود مجدد متغیر 0:14:09
-
رگرسیون لجستیک: اعتبارسنجی مجموعهداده 0:03:33
-
رگرسیون لجستیک: استقرار مدل 0:05:30
-
رگرسیون لجستیک: ارزیابی مدل 0:02:53
-
رگرسیون لجستیک: پیشبینی آزمون 0:04:18
-
تحلیل خوشهای با متد K-means 0:14:37
-
تحلیل خوشهای سلسلهمراتبی 0:16:23
-
DBSCAN برای شناسایی دادههای پرت 0:12:07
-
تحلیل عاملی تبیینی 0:05:23
-
تحلیل مؤلفههای اصلی (PCA) 0:10:45
-
مدلهای قوانین انجمنی با الگوریتم Apriori 0:23:14
-
یادگیری مبتنی بر نمونه با KNN 0:10:08
-
درختهای تصمیم با CART 0:08:52
-
آمار بیزی با Naïve Bayes 0:12:49
-
یادگیری تجمیعی با Random Forest 0:14:02
-
شبکههای عصبی با پرسپترونها 0:02:31
-
ساخت یک شبکهی عصبی 0:08:49
-
مقدمهای بر پردازش زبان طبیعی (NLP) 0:12:23
-
پاکسازی و ریشهیابی دادههای متنی 0:08:23
-
ریشهیابی و تحلیل دادههای متنی 0:10:11
-
بررسی عمیق مدلهای هوش مصنوعی مولد 0:07:24
-
همگام ماندن با پیشرفتهای هوش مصنوعی 0:06:05
-
دمو کدنویسی: پیادهسازی یک مدل هوش مصنوعی مولد 0:11:27
-
گامهای بعدی و منابع تکمیلی 0:01:09
مشخصات آموزش
آموزش ضروری پایتون برای علم داده و یادگیری ماشین - بخش 2 (2026)
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:متوسط
- تعداد درس:37
- مدت زمان :5:22:10
- حجم :699.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
The Great Courses
5,201,500
1,040,300 تومان
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
1,833,000
366,600 تومان
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
2,260,000
452,000 تومان
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
795,000
159,000 تومان
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
8,508,000
1,701,600 تومان
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
6,100,500
1,220,100 تومان
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
7,256,500
1,451,300 تومان
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
The Great Courses
3,634,500
726,900 تومان
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی