دوره جامع ماشین لرنینگ: از مبتدی تا پیشرفته با پروژههای عملی 🚀
آموزش کامل ماشین لرنینگ از صفر تا سطح پیشرفته، با تمرکز بر پیادهسازی و تست تمامی الگوریتمها، مناسب برای تمامی سطوح و با پروژههای عملی کاربردی.

Hasan Abbasi | حسن عباسی
92.2K views • Oct 18, 2023

About this video
در این دوره، یادگیری ماشین (Machine learning) رو به صورت کامل و از سطح مقدماتی (کسانی که هیچ دانشی ندارند یا دانش کمی دارند) تا سطح پیشرفته بررسی میکنیم. زبان برنامه نویسی مورد استفاده در دوره، زبان پایتون (Python) هست و فرض براین هست که شما با این زبان برنامه نویسی آشنا هستید. ولی اگر اینطور نیست یا حس میکنید نیاز به مرور مفاهیم دارید، پیشنهاد میکنم قبل از این دوره، دوره کامل برنامه نویسی به زبان پایتون رو مشاهده کنید. لینک این جلسه:
https://youtu.be/jI4Japu2DvQ
همچنین اگر حس میکنین به تمرین بیشتری نیاز دارین تا اعتماد به نفس برنامه نویسی به زبان پایتونتون رو ارتقا بدین، پیشنهاد میکنم ویدیو مربوط به پیاده سازی 5 پروژه به زبان پایتون رو مشاهده بفرمایید:
https://youtu.be/X_gWwA1Bgy4
در طول دوره سعی بر این هست که تمامی مفاهیم، تعاریف و الگوریتم های با جزییات دقیق، مثال های متنوع و پیاده سازی به صورت پروژه محور بررسی بشه. لیست مطالبی که در این دوره بررسی خواهیم کرد:
آشنای با مفاهیم هوش مصنوعی، ماشین لرنینگ و دیپ لرنینگ، آشنایی، تفاوتها و کاربردهای آنها 04:52
انواع روشهای ماشین لرنینگ (تفاوت و کاربردهای یادگیری بی نظارت، با نظارت و تقویتی) 18:53
ساخت، فعالسازی محیط مجازی و نصب کتابخانه های مورد نیاز دوره 32:41
آشنایی با کتابخانه numpy و دستورات مهم آن 42:08
آشنایی با کتابخانه Pandas و دستورات مهم آن 01:03:25
آشنایی با کتابخانه matplotlib و دستورات مهم آن 01:24:07
آشنایی با مفهوم رگرسیون و انواع آن 01:36:04
معیارهای ارزیابی مدل یادگیری و پیاده سازی آنها 01:56:05
پیش پردازش و آماده سازی دیتاست پزشکی مربوط به بیماری دیابت 02:14:08
الگوریتم بیز ساده (Naive Bayes) 02:26:56
الگوریتم KNN 02:43:59
الگوریتم های درخت تصمیم (Decision Tree) و جنگل تصادفی (Random Forest ) 02:59:45
الگوریتم ماشین بردار پشتیبان (SVM) 03:25:01
الگوریتم Logistic Regression (مدل نورون مغز) 03:41:47
الگوریتم شبکه عصبی مصنوعی (ANN) 04:00:55
موازنه بایاس و واریانس (چرا مدلها overfit یا underfit میشن؟) 04:17:22
الگوریتم بی نظارت K-means 04:28:39
الگوریتم کاهش بعد تحلیل مولفه اصلی (PCA) 04:41:33
.
لینک دانلود دیتاست:
https://drive.google.com/file/d/1gSbDCCFzBuIQv0TihYC927MVLWmyrvfZ/view?usp=sharing
.
ممنون میشم اگر ویدیوها آموزنده هست اونها رو لایک کنید، توی کانالمون سابسکرایب کنید و اونها رو با دیگران هم به اشتراک بذارین.
*لطفا از دانلود ویدیوها اجتناب کنین، برای این ویدیوها زحمت زیادی کشیده شده (من راضی نیستم که اونها رو دانلود کنید) و به همین دلیل تنها راه استفاده رایگان، تماشای آنلاین هست.*
لینک کانال تلگرام https://t.me/techwithhasanabbasi
اگر برای ورود به دنیای برنامه نویسی و آموزش آن به صورت خودآموز نیاز به راهنمایی و مشاوره دارید، میتونین از طریق لینک زیر جهت رزرو زمان مناسب اقدام کنید تا با هم در موردش صحبت کنیم و یه شروع قدرتمند داشته باشین.
https://calendly.com/techwithhasanabbasi/45min
https://youtu.be/jI4Japu2DvQ
همچنین اگر حس میکنین به تمرین بیشتری نیاز دارین تا اعتماد به نفس برنامه نویسی به زبان پایتونتون رو ارتقا بدین، پیشنهاد میکنم ویدیو مربوط به پیاده سازی 5 پروژه به زبان پایتون رو مشاهده بفرمایید:
https://youtu.be/X_gWwA1Bgy4
در طول دوره سعی بر این هست که تمامی مفاهیم، تعاریف و الگوریتم های با جزییات دقیق، مثال های متنوع و پیاده سازی به صورت پروژه محور بررسی بشه. لیست مطالبی که در این دوره بررسی خواهیم کرد:
آشنای با مفاهیم هوش مصنوعی، ماشین لرنینگ و دیپ لرنینگ، آشنایی، تفاوتها و کاربردهای آنها 04:52
انواع روشهای ماشین لرنینگ (تفاوت و کاربردهای یادگیری بی نظارت، با نظارت و تقویتی) 18:53
ساخت، فعالسازی محیط مجازی و نصب کتابخانه های مورد نیاز دوره 32:41
آشنایی با کتابخانه numpy و دستورات مهم آن 42:08
آشنایی با کتابخانه Pandas و دستورات مهم آن 01:03:25
آشنایی با کتابخانه matplotlib و دستورات مهم آن 01:24:07
آشنایی با مفهوم رگرسیون و انواع آن 01:36:04
معیارهای ارزیابی مدل یادگیری و پیاده سازی آنها 01:56:05
پیش پردازش و آماده سازی دیتاست پزشکی مربوط به بیماری دیابت 02:14:08
الگوریتم بیز ساده (Naive Bayes) 02:26:56
الگوریتم KNN 02:43:59
الگوریتم های درخت تصمیم (Decision Tree) و جنگل تصادفی (Random Forest ) 02:59:45
الگوریتم ماشین بردار پشتیبان (SVM) 03:25:01
الگوریتم Logistic Regression (مدل نورون مغز) 03:41:47
الگوریتم شبکه عصبی مصنوعی (ANN) 04:00:55
موازنه بایاس و واریانس (چرا مدلها overfit یا underfit میشن؟) 04:17:22
الگوریتم بی نظارت K-means 04:28:39
الگوریتم کاهش بعد تحلیل مولفه اصلی (PCA) 04:41:33
.
لینک دانلود دیتاست:
https://drive.google.com/file/d/1gSbDCCFzBuIQv0TihYC927MVLWmyrvfZ/view?usp=sharing
.
ممنون میشم اگر ویدیوها آموزنده هست اونها رو لایک کنید، توی کانالمون سابسکرایب کنید و اونها رو با دیگران هم به اشتراک بذارین.
*لطفا از دانلود ویدیوها اجتناب کنین، برای این ویدیوها زحمت زیادی کشیده شده (من راضی نیستم که اونها رو دانلود کنید) و به همین دلیل تنها راه استفاده رایگان، تماشای آنلاین هست.*
لینک کانال تلگرام https://t.me/techwithhasanabbasi
اگر برای ورود به دنیای برنامه نویسی و آموزش آن به صورت خودآموز نیاز به راهنمایی و مشاوره دارید، میتونین از طریق لینک زیر جهت رزرو زمان مناسب اقدام کنید تا با هم در موردش صحبت کنیم و یه شروع قدرتمند داشته باشین.
https://calendly.com/techwithhasanabbasi/45min
Tags and Topics
Browse our collection to discover more content in these categories.
Video Information
Views
92.2K
Likes
2.2K
Duration
05:04:58
Published
Oct 18, 2023
User Reviews
4.7
(18) Related Trending Topics
LIVE TRENDSRelated trending topics. Click any trend to explore more videos.