مسترکلاس علم داده - پروژه های عملی یادگیری ماشین و هوش مصنوعی

در این دوره با حل مشکلات واقعی کسب و کار با راه حل های هوش مصنوعی، علم داده، تحلیل داده و یادگیری ماشین آشنا می شوید.

آنچه یاد خواهید گرفت

• ساخت پورتفولیویی از کارها تا در رزومه خود داشته باشید.
• راه‌ اندازی محیط توسعه‌ دهنده برای علم داده و یادگیری ماشین
• یادگیری عمیق، یادگیری انتقالی و شبکه های عصبی با استفاده از آخرین نسخه تنسورفلو یعنی 2.0
• مطالعات موردی و پروژه های واقعی برای درک نحوه انجام تسک های واقعی
• یادیری درباره مهندسی داده و نحوه استفاده از ابزارهایی مانند هدوپ، اسپارک و کافکا در این صنعت

توضیحات دوره

مباحث مطرح شده در این دوره عبارتند از:

• اکتشاف داده و مصورسازی داده 
• شبکه های عصبی و یادگیری عمیق
• ارزیابی و تحلیل مدل
• پایتون 3
• تنسورفلو 2.0
• Numpy
• Scikit-Learn
• پروژه ها و گردش کارهای علم داده و یادگیری ماشین
• مصورسازی داده در پایتون با MatPlotLib و Seaborn
• یادگیری انتقالی
• شناسایی و طبقه بندی تصویر
• آموزش، تست و اعتبارسنجی متقابل
• یادگیری نظارت شده - طبقه بندی، رگرسیون و سری زمانی
• درختان تصمیم گیری و جنگل های تصادفی
• یادگیری گروهی
• تیونینگ هایپرپارامتر
• استفاده از دیتافریم های Pandas برای حل تسک های پیچیده
• استفاده از Pandas برای مدیریت فایل های CSV 
• یادگیری عمیق و شبکه های عصبی با تنسورفلو 2.0 و کراس
• استفاده از Kaggle و ورود به مسابقات یادگیری ماشین
• چگونه یافته های خود را ارائه داده و رئیس خود را تحت تأثیر قرار دهید؟
• چگونه داده خود را برای تحلیل، پاکسازی و آماده سازی کنید؟
• نزدیکترین همسایه K
• ماشین های بردار پشتیبان
• تحلیل رگرسیون (رگرسیون خطی و رگرسیون چندجمله ای)
• چگونه از هدوپ، آپاچی اسپارک، کافکا و Apache Flink استفاده کنیم؟
• راه اندازی محیط خود با Conda و MiniConda و Jupyter Notebooks
• استفاده از GPUs با Google Colab

این دوره برای چه کسانی مناسب است؟

• دانشمندان داده که می خواهند دانش خود را در مطالعات موردی واقعی به کار گیرند.
• کامپیوتر (لینوکس و ویندوز و مک) با اتصال به اینترنت
• افراد مبتنی بر کسب و کار که مشتاق یادگیری نحوه استفاده از هوش مصنوعی برای بهینه سازی کسب و کار خود، به حداکثر رساندن سود و کارایی هستند.
• متخصصان یادگیری عمیق که می‌ خواهند تکالیف عملی بیشتری دریافت کنند.