• آموزش آمار و احتمال در پایتون:
    1,369,000 ت 547,600 ت
  • آموزش پایتون مقدماتی:
    1,359,000 ت 543,600 ت
  • آموزش یادگیری ماشین:
    3,659,000 ت 1,463,600 ت
  • آموزش یادگیری ماشین با پایتون:
    3,459,000 ت 1,383,600 ت
  • آموزش یادگیری ماشین کاربردی:
    1,569,000 ت 627,600 ت
  • مجموع:
    11,415,000 ت 4,566,000 ت
  • مجموع تخفیف: 6,849,000 ت
خرید تخصص
قیمت: 4,566,000 تومان
  • دسترسی نامحدود به محتوای تمامی دوره‌ها
  • دریافت گواهینامه معتبر مکتب‌خونه
  • دسترسی به پروژه و تصحیح پروژه‌ها توسط راهنمای متخصص
  • مشارکت در تالار گفتگو
قیمت: 4,566,000 تومان
ورود به حساب کاربری
یادگیری‌ ماشین

یادگیری‌ ماشین

یادگیری‌ ماشین

دوره‌ها

یادگیری ماشین یا ماشین لرنینگ (Machine Learning) یکی از زیر مجموعه‌های هوش مصنوعی است. ماشین لرنینگ این‌ امکان را به ما می‌دهد تا سیستم به صورت خودکار یادگیری داشته باشد و تمرکز اصلی آن بر توسعه برنامه‌ است به طوری که بتوان به داده‌ها دسترسی پیدا کرد و از آن برای یادگیری سیستم  استفاده کند.

در این تخصص شما ابتدا دانش اولیه نسبت به مفاهیم پایتون پیدا خواهید کرد سپس در دوره آموزش آمار و احتمال در پایتون، دانش مفاهیم وابسته به آمار و احتمال که در دنیای ماشین لرنینگ و علوم داده کاربرد خواهند داشت را بدست خواهید آورد و در انتها با دو دوره تخصصی یادگیری ماشین دانش لازم و کافی برای ورود به این عرصه را کسب خواهید کرد.

سوالات پرتکرار

اگر قبلا در یک یا چند دوره از دوره‌های این تخصص قبلا ثبت‌نام کرده باشم، چگونه می‌توانم در این تخصص ثبت‌نام کنم؟
شما می‌توانید با پرداخت هزینه‌ی دوره‌هایی که تا کنون ثبت‌نام نکرده‌اید، در تخصص ثبت‌نام کنید و به تمامی دوره‌ها دسترسی داشته باشید.
آیا می‌توانم به تنهایی در یک دوره ثبت‌نام کنم؟
بله. با انتخاب دوره مورد علاقه خود میتوانید در آن دوره به تنهایی ثبت‌نام کنید.
آیا این تخصص 100% آنلاین است؟
اگر دوره‌ای شامل بخش حضوری نیز باشد در توضیحات همان دوره آمده است.
در صورت اتمام تخصص گواهی‌نامه‌ای جداگانه از گواهی‌نامه دوره ها به من تعلق می گیرد؟
بله. در صورتی که تمام دوره‌های یک تخصص را در زمان تعیین‌شده با نمره قبولی به اتمام برسانید، گواهی‌نامه تخصص برای شما صادر می گردد. گواهی‌نامه تخصص گواهی‌نامه ای جدا از گواهی‌نامه تک‌تک دوره‌ها است که برای شما صادر می شود.
آیا باید دوره‌ها را به ترتیب بگذرانم؟
نه. برای اتمام تخصص شما باید همه دوره‌های آن تخصص را بگذرانید ولی الزامی به رعایت ترتیب نیست. برای دوره‌هایی که پیش‌نیاز دارند پیش‌نیازی را توصیه می کنیم که رعایت کنید. توصیه می‌شود که ترتیب دوره‌های تخصص را رعایت کنید ولی الزامی به آن نیست.
زمان دسترسی من به دوره‌ها پس از خرید تخصص چگونه است؟
شما پس از خرید تخصص برای مدت زمان تعیین‌شده به همه دوره‌ها دسترسی خواهید داشت. پس از پایان زمان تخصص، با تمدید تخصص می توانید برای مدت تمدید به همه دوره‌ها دسترسی داشته باشید.
پس از سپری شدن زمان تخصص آیا به دوره‌ها دسترسی خواهم داشت؟
بله، پس از اتمام زمان تخصص شما به محتوای همه دوره‌ها دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژ‌ه‌ها و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی‌نامه برای شما وجود نخواهد داشت مگر با تمدید دوره.

آموزش پایتون مقدماتی

دنیایی را تصور کنید که در آن می‌توانید با چند خط کد ساده، وب‌سایت‌های حرفه‌ای بسازید، داده‌های پیچیده را تحلیل کرده و حتی برنامه‌های هوش مصنوعی ایجاد کنید. این دنیای شگفت‌انگیز به کمک زبانی به نام پایتون در دسترس شماست. پایتون، با سادگی و قدرت بی‌نظیر خود، تبدیل به یکی …
مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول - برنامه نویسی پایتون

11:50

فصل دوم - حلقه های تکرار و تابع در پایتون

11:16

فصل سوم - ساختارهای داده در پایتون

16:33

فصل چهارم - کتابخانه ها در پایتون

03:37

فصل پنجم - کار با فایل در پایتون

05:55

فصل ششم - پروژه پایان دوره

08:08

آموزش آمار و احتمال در پایتون

نگاه کلی این دوره، آموزش تمامی مفاهیم وابسته به آمار و احتمال است که در دنیای ماشین لرنینگ و علوم داده کاربرد خواهند داشت. در این دوره آموزشی با موضوعاتی مانند مبانی مجموعه و ترکیبات آشنا خواهید شد. پس از آن کار با احتمال کلاسیک، احتمال شرطی و قوانین احتمال …
مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

نظریه مجموعه

02:20

ترکیبیات و شمارش

02:23

احتمال مقدماتی

01:43

احتمال شرطی

02:12

مقدمه‌ای بر داده و آمار

04:04

متغیر تصادفی و توزیع احتمالی

09:38

انواع نمودارها

03:43

توزیع توأم

02:52

داده پرت و نرمال‌سازی

03:42

کوواریانس و همبستگی

08:35

تحلیل رگرسیون

05:31

تخمین در آمار

06:41

تست‌های آماری

04:50

پروژه دوره آمار و احتمال در پایتون

08:00

قدم بعدی

00:08

آموزش یادگیری ماشین با پایتون

بدون شك یادگیری ماشین (Machine Learning) یکی از هیجان‌انگیزترین و ضروری‌ترین مهارت‌ها در دنیای امروز است. این تکنولوژی به شما این قدرت را می‌دهد که از داده‌ها استفاده کنید تا مدل‌هایی بسازید که به‌صورت خودکار و هوشمندانه تصمیم‌گیری کنند، الگوها را شناسایی کرده و نتایج شگفت‌انگیزی به دست آورند.  از …
مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول: مقدمه یادگیری ماشین با پایتون

00:34

فصل دوم: رگرسیون Regression

09:00

فصل سوم: دسته بندی Classification

08:53

فصل چهارم: خوشه‌بندی Clustering

07:57

فصل پنجم: سیستم‌های توصیه‌گر Recommender Systems

06:38

آموزش یادگیری ماشین

در دنیای امروز، یادگیری ماشین (Machine Learning) به یکی از اصلی‌ترین نیروهای محرک در صنعت فناوری تبدیل شده است. از توصیه‌های محصول در فروشگاه‌های آنلاین تا تشخیص بیماری‌های پزشکی و از خودروهای خودران تا دستیارهای هوشمند، یادگیری ماشین در قلب تمام این نوآوری‌ها قرار دارد. تقاضای روزافزون برای متخصصان این …
مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول: مقدمه

00:42

فصل دوم: کتابخانه‌های پیش نیاز پایتون

01:24

فصل سوم: نحوه بصری‌سازی در پایتون

05:36

فصل چهارم: رگرسیون خطی (Linear Regression)

01:32

فصل پنجم: رگرسیون خطی چندمتغیره (Multivariable Linear Regression)

01:00

فصل ششم: رگرسیون لجستیک (Logistic Regression)

07:16

فصل هفتم : پیش‌‎پردازش داده‌ها

01:12

فصل هشتم : مفاهیم مهم در درک یادگیری‌ماشین

02:21

فصل نهم : نزدیکترین همسایه (KNN)

00:33

فصل دهم : تئوری بیز ساده (Naïve Bayes)

00:40

فصل یازدهم : شبکه‌های عصبی مصنوعی (Artificial Neural Network)

01:14

فصل دوازدهم : ماشین بردار پشتیبان (SVM)

02:06

فصل سیزدهم : درخت تصمیم (Decision Tree)

01:50

فصل چهاردهم : یادگیری جمعی (Ensemble Learning)

01:04

فصل پانزدهم : XGBoost

05:40

فصل شانزدهم : خوشه‌بندی (Clustering)

06:42

فصل هفدهم : کاهش ابعاد (Dimensionality Reduction)

01:32

فصل هجدهم: ساخت WebApp مبتنی بر یادگیری ماشین

00:50

فصل نوزدهم : آموزش Pycaret

00:36

فصل بیستم : جمع‌بندی و پروژه نهایی

16:03

آموزش یادگیری ماشین کاربردی

قطعاً یکی از بزرگترین چالش‌های موجود برای افرادی که دوره‌های یادگیری ماشین (Machine Learning) را گذرانده‌اند، اجرای الگوریتم‌‎های موجود برروی داده‌های واقعی است؛ به گونه‌ای که بتوان با مسایل واقعی و نزدیک به صنعت کار کرد. بدین ترتیب شرایط دانش‌آموخته خیلی نزدیک‌تر به نیازهای بازارکار خواهد بود، نه تنها بازارکار …
مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول - مقدمه

00:40

فصل دوم - 30 نکته کاربردی کتابخانه Pandas

03:02

فصل سوم - 20 نکته کاربردی کتابخانه Scikit-Learn

02:05

فصل چهارم - اقدامات لازم قبل از آموزش مدل

01:42

فصل پنجم - بصری سازی (Visualization)

00:22

فصل ششم - ابزارهای مهم و جانبی یادگیری ماشین

06:16

فصل هفتم - ساخت Web App برای دیتاساینتیست‌ها

05:27

پروژه اول - پیش بینی قیمت خانه‌ها در تهران با استفاده از داده‌های سایت Divar

03:07

پروژه دوم - پیش بینی Churn

02:43

پروژه سوم - پیش بینی حقوق برنامه نویسان بر اساس داده‌های Stackoverflow

02:57

پروژه چهارم - پیش بینی Fraud Detection در تراکنش های اتریوم

02:52

پروژه پنجم - پیش بینی وضعیت توییت‌ها بر قیمت سهام شرکت Nvidia

02:26

پروژه ششم - ساخت یک Recommender System با استفاده از Word2Vec

02:36

پروژه هفتم - تشخیص علایم راهنمایی و رانندگی با استفاده از Transfer Learning

02:33

پروژه هشتم - پیش بینی قیمت سهام شرکت Apple بر اساس داده های واقعی

03:07

پروژه نهم - پیش بینی کلاس داده صوتی (UrbanSound 8k)

02:38

پروژه دهم - پیش بینی میزان مصرف انرژی

02:37