مسترکلاس یادگیری ماشین و یادگیری عمیق 2024
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- یادگیری ماشین
- یادگیری عمیق
- پیشپردازش
- سفر علم داده
پیش نیازهای دوره
دانش اولیه ریاضی و پایتون
توضیحات دوره
به "مسترکلاس یادگیری ماشین و یادگیری عمیق 2024" خوش آمدید! این دوره جامع برای هر دو گروه متخصصان کسبوکار و محققان طراحی شده و بیش از 24 ساعت محتوای ویدیوئی عمیق ارائه میدهد. چه در برنامهنویسی پایتون تازهکار و چه در این حوزه با تجربه باشید، این دوره شما را با تکنیکهای ضروری یادگیری ماشین و یادگیری عمیق، از مهارتهای اساسی پایتون تا معماریهای پیشرفته شبکههای عصبی، آشنا میکند.
آنچه یاد خواهید گرفت:
- پایتون برای یادگیری ماشین: محیط را راهاندازی کنید، از ابزارهای محبوب مانند آناکوندا و PyCharm استفاده کنید و مبانی پایتون را از طریق آموزشهای گام به گام بیاموزید.
- درک و پیشپردازش داده: تحلیل آماری، تکنیکهای پیشپردازش داده، انتخاب ویژگی و مصورسازی داده با پایتون را عمیقا بررسی کنید.
- شبکههای عصبی مصنوعی: شبکههای عصبی را از ابتدا بسازید، فریمورکهای یادگیری عمیق مانند کراس را بررسی کنید و یک پروژه کامل یادگیری عمیق در شناسایی اعداد دستنویس پیادهسازی کنید.
- تسلط به یادگیری عمیق پیشرفته: با ماژولهای جامع در مورد شبکههای عصبی کانولوشن (CNN)، ترنسفورمرها، مدلهای زبانی بزرگ و مدلهای generative عمیق فراتر از مبانی بروید. شما یاد خواهید گرفت چگونه مدلهایی بسازید و آموزش دهید که قدرت نوآوریهای هوش مصنوعی امروز را فراهم میکنند که شامل یادگیری تقویتی و مدلهای توالی میباشد.
- دستهبندی کننده بیز ساده و NLP: اصول دستهبندی بیز ساده را بیاموزید و پردازش زبان طبیعی، از جمله توکنسازی، تگ کردن جزء کلام و پروژههای واقعی NLP را بررسی کنید.
- رگرسیون خطی و لجستیک: به مدلهای رگرسیون با دموهای عملی برای سناریوهای تکمتغیره و چندمتغیره مسلط شوید.
با دموهای عملی، تمرینهای کدنویسی و پروژههای واقعی، این دوره برای دانشمندان داده، علاقهمندان به هوش مصنوعی و هر کسی که میخواهد به مفاهیم یادگیری ماشین و یادگیری عمیق مسلط شود، ایدهآل است. در پایان، شما دانش و مهارتهای لازم برای اعمال این تکنیکها در مسائل پیچیده واقعی را خواهید داشت.
امروز در این دوره شرکت کنید و تخصص یادگیری ماشین خود را به سطح بالاتری ببرید!
این دوره برای چه کسانی مناسب است؟
افراد مبتدی با دانش پایتون
مسترکلاس یادگیری ماشین و یادگیری عمیق 2024
-
پایتون برای یادگیری ماشین: راهاندازی محیط: آناکوندا 04:13
-
دانلود و راهاندازی پایتون و IDE PyCharm 06:15
-
پایتون برای افراد کاملا مبتدی - متغیرها - بخش ۱ 05:14
-
پایتون برای افراد کاملا مبتدی - متغیرها - بخش 2 04:37
-
پایتون برای افراد کاملا مبتدی - متغیرها - بخش 3 03:31
-
پایتون برای افراد کاملا مبتدی - لیستها 03:13
-
پایتون برای افراد کاملا مبتدی - لیستها - بخش ۲ 03:27
-
پایتون برای افراد کاملا مبتدی - لیستها - بخش 3 03:11
-
شرطهای If 11:22
-
If else 20:58
-
بولی 13:18
-
حلقهها 11:03
-
دمو 13:11
-
دموهای ساده پایتون 01:00
-
طراحی نرمافزار - فلوچارتها - توالی 09:53
-
طراحی نرمافزار - تکرار 03:21
-
طراحی نرمافزار - حل مسئله 04:46
-
سوالات و پاسخهای فلوچارت - حل مسئله 13:31
-
درک داده با آمار: خواندن داده از فایل 08:10
-
درک داده با آمار: بررسی ابعاد داده 07:57
-
درک داده با آمار: خلاصه آماری داده 11:03
-
درک داده با آمار: همبستگی بین attributeها 07:13
-
پیشپردازش داده - مقیاسبندی با نمایش در پایتون 11:41
-
پیشپردازش داده - نرمالسازی، باینریسازی، استانداردسازی در پایتون 08:42
-
تکنیکهای انتخاب ویژگی: انتخاب تکمتغیره 18:38
-
آمادهسازی داده و نمودار میلهای 15:12
-
مصورسازی داده با پایتون: هیستوگرام، نمودار پای و غیره 05:17
-
آشنایی با شبکههای عصبی مصنوعی 15:14
-
ایجاد اولین شبکه عصبی مصنوعی از ابتدا با پایتون 13:39
-
نورون چند ورودی 08:25
-
ایجاد یک لایه ساده از نورونها با 4 ورودی - پایتون از ابتدا 26:57
-
شبکه عصبی مصنوعی - مثال تصویری 08:46
-
آموزش کراس - توسعه یک شبکه عصبی مصنوعی در پایتون - گام به گام 29:35
-
یادگیری عمیق - شناسایی اعداد دستنویس به صورت گام به گام [پروژه کامل] 13:03
-
درس و دمو: دستهبندیکننده بیز ساده 16:39
-
راهاندازی محیط برای NLP - ACH 04:13
-
آشنایی با توکنسازی 10:58
-
دانلود و راهاندازی NLTK 06:48
-
آموزش توکنسازی 07:51
-
آشنایی با نرمالسازی 06:45
-
آموزش نرمالسازی 10:59
-
آشنایی با تگ کردن جزء کلام 12:09
-
آموزش تگ کردن جزء کلام 12:09
-
آشنایی با واژگان پالایشی 08:52
-
درس شناسایی موجودیتهای نامدار 09:15
-
آموزش شناسایی موجودیتهای نامدار 06:19
-
درس دستهبندی 08:20
-
آموزش دستهبندی - بخش ۱: پیشپردازش نظرات فیلم 14:31
-
آموزش دستهبندی - بخش 2: مجموعههای ویژگی 12:43
-
آموزش دستهبندی - بخش ۳: بیز ساده 07:37
-
تکلیف تمرین دستهبندی 03:21
-
کاربردهای واقعی NLP [پروژه کامل] - مقدمه 06:22
-
ایجاد یک اپلیکیشن توییتر 13:33
-
دریافت مجموعه تست 10:59
-
آمادهسازی مجموعه آموزش 19:14
-
پیشپردازش 15:40
-
دستهبندی 13:16
-
آزمایش مدل 07:53
-
رگرسیون خطی 02:29
-
دموی رگرسیون خطی تکمتغیره [عملی] بخش ۱ - رگرسیون خطی 13:51
-
دموی رگرسیون خطی تکمتغیره [عملی] بخش ۲ - رگرسیون خطی 27:11
-
خوشهبندی 44:29
-
تکنیکهای پیشرفته یادگیری ماشین 01:26:41
-
معماری CNN 01:16:04
-
مدلهای زبانی بزرگ 01:24:11
-
ترنسفورمرها 01:41:40
-
مدلهای Generative عمیق 01:20:40
-
شبکههای عصبی عمیق 01:45:42
-
مدلهای توالی عمیق 02:10:51
-
یادگیری تقویتی 01:36:20
-
وضعیت یادگیری عمیق 01:21:15
مشخصات آموزش
مسترکلاس یادگیری ماشین و یادگیری عمیق 2024
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:71
- مدت زمان :28:39:25
- حجم :9.31GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy