• آموزش آمار و احتمال در پایتون:
    1,129,000 ت 451,600 ت
  • آموزش پایتون مقدماتی:
    1,119,000 ت 447,600 ت
  • آموزش یادگیری ماشین:
    909,000 ت 363,600 ت
  • آموزش یادگیری ماشین با پایتون:
    859,000 ت 343,600 ت
  • آموزش یادگیری ماشین کاربردی:
    1,299,000 ت 519,600 ت
  • مجموع:
    5,315,000 ت 2,126,000 ت
  • مجموع تخفیف: 3,189,000 ت
خرید تخصص
قیمت: 2,126,000 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: 2,126,000 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

امروزه روی آوری به پایتون در بین مهندسان، دانشمندان و تحلیلگران بسیار فراگیر شده است و تقاضا برای یادگیری آن روز به روز افزایش میابد، در نتیجه نیاز به دوره آموزش برنامه نویسی پایتون بیش از هر زمانی احساس خواهد شد. از طرفی کسب مهارت در پایتون نسبت به سایر …
مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول - برنامه نویسی پایتون

11:50 ساعت (شامل 01:30 ساعت محتوای آموزشی)

فصل دوم - حلقه های تکرار و تابع در پایتون

11:16 ساعت (شامل 01:07 ساعت محتوای آموزشی)

فصل سوم - ساختارهای داده در پایتون

16:33 ساعت (شامل 01:15 ساعت محتوای آموزشی)

فصل چهارم - کتابخانه ها در پایتون

03:37 ساعت (شامل 00:33 ساعت محتوای آموزشی)

فصل پنجم - کار با فایل در پایتون

05:55 ساعت (شامل 00:49 ساعت محتوای آموزشی)

فصل ششم - پروژه پایان دوره

08:08 ساعت (شامل 00:08 ساعت محتوای آموزشی)

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

02:18 ساعت (شامل 00:45 ساعت محتوای آموزشی)

ترکیبیات و شمارش

02:23 ساعت (شامل 00:49 ساعت محتوای آموزشی)

احتمال مقدماتی

01:43 ساعت (شامل 00:26 ساعت محتوای آموزشی)

احتمال شرطی

02:12 ساعت (شامل 00:40 ساعت محتوای آموزشی)

مقدمه‌ای بر داده و آمار

04:04 ساعت (شامل 00:34 ساعت محتوای آموزشی)

متغیر تصادفی و توزیع احتمالی

09:38 ساعت (شامل 01:33 ساعت محتوای آموزشی)

انواع نمودارها

03:43 ساعت (شامل 00:43 ساعت محتوای آموزشی)

توزیع توأم

02:52 ساعت (شامل 00:22 ساعت محتوای آموزشی)

داده پرت و نرمال‌سازی

03:42 ساعت (شامل 00:40 ساعت محتوای آموزشی)

کوواریانس و همبستگی

08:35 ساعت (شامل 00:35 ساعت محتوای آموزشی)

تحلیل رگرسیون

05:31 ساعت (شامل 00:31 ساعت محتوای آموزشی)

تخمین در آمار

06:41 ساعت (شامل 00:40 ساعت محتوای آموزشی)

تست‌های آماری

04:50 ساعت (شامل 00:47 ساعت محتوای آموزشی)

پروژه دوره آمار و احتمال در پایتون

08:00 ساعت

قدم بعدی

00:08 ساعت (شامل 00:08 ساعت محتوای آموزشی)

آموزش یادگیری ماشین با پایتون

پایتون راهی عالی برای کشف دنیای یادگیری ماشینی است. پایتون یک زبان قدرتمند با طیف گسترده‌ای از کتابخانه‌ها و ابزارها محسوب می‌شود که می‌تواند به شما در توسعه مدل‌ها و الگوریتم‌های پیچیده یادگیری ماشین کمک کند. با پایتون، می‌توانید همه‌چیز را از ایجاد مدل‌های رگرسیون خطی اولیه تا ساخت الگوریتم‌های …
مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول: مقدمه یادگیری ماشین با پایتون

00:34 ساعت (شامل 00:31 ساعت محتوای آموزشی)

فصل دوم: رگرسیون Regression

09:00 ساعت (شامل 03:55 ساعت محتوای آموزشی)

فصل سوم: دسته بندی Classification

08:53 ساعت (شامل 03:42 ساعت محتوای آموزشی)

فصل چهارم: خوشه‌بندی Clustering

07:57 ساعت (شامل 02:50 ساعت محتوای آموزشی)

فصل پنجم: سیستم‌های توصیه‌گر Recommender Systems

06:38 ساعت (شامل 01:34 ساعت محتوای آموزشی)

آموزش یادگیری ماشین

اگر قصد دارید یک دوره یادگیری ماشین بگذرانید، کافی است کمی در اینترنت جستجو کنید. تعداد دوره‌ها اینقدر زیاد هستند که چندسالی لازم دارید تا از ابتدا تا مقطع قابل قبولی را طی کنید. شاید به ندرت دوره جامعی را پیدا کنید که این سه نکته را در اختیار شما …
مشاهده‌ی دوره
مشاهده‌ی سرفصل‌های دوره  

فصل اول: مقدمه

00:42 ساعت (شامل 00:39 ساعت محتوای آموزشی)

فصل دوم: کتابخانه‌های پیش نیاز پایتون

01:24 ساعت (شامل 01:16 ساعت محتوای آموزشی)

فصل سوم: نحوه بصری‌سازی در پایتون

05:36 ساعت (شامل 00:35 ساعت محتوای آموزشی)

فصل چهارم: رگرسیون خطی (Linear Regression)

01:32 ساعت (شامل 01:28 ساعت محتوای آموزشی)

فصل پنجم: رگرسیون خطی چندمتغیره (Multivariable Linear Regression)

01:00 ساعت (شامل 00:59 ساعت محتوای آموزشی)

فصل ششم: رگرسیون لجستیک (Logistic Regression)

07:16 ساعت (شامل 02:13 ساعت محتوای آموزشی)

فصل هفتم : پیش‌‎پردازش داده‌ها

01:12 ساعت (شامل 01:07 ساعت محتوای آموزشی)

فصل هشتم : مفاهیم مهم در درک یادگیری‌ماشین

02:21 ساعت (شامل 02:19 ساعت محتوای آموزشی)

فصل نهم : نزدیکترین همسایه (KNN)

00:33 ساعت (شامل 00:32 ساعت محتوای آموزشی)

فصل دهم : تئوری بیز ساده (Naïve Bayes)

00:40 ساعت (شامل 00:39 ساعت محتوای آموزشی)

فصل یازدهم : شبکه‌های عصبی مصنوعی (Artificial Neural Network)

01:14 ساعت (شامل 01:11 ساعت محتوای آموزشی)

فصل دوازدهم : ماشین بردار پشتیبان (SVM)

02:06 ساعت (شامل 02:06 ساعت محتوای آموزشی)

فصل سیزدهم : درخت تصمیم (Decision Tree)

01:50 ساعت (شامل 01:48 ساعت محتوای آموزشی)

فصل چهاردهم : یادگیری جمعی (Ensemble Learning)

01:04 ساعت (شامل 01:02 ساعت محتوای آموزشی)

فصل پانزدهم : XGBoost

05:40 ساعت (شامل 00:39 ساعت محتوای آموزشی)

فصل شانزدهم : خوشه‌بندی (Clustering)

06:42 ساعت (شامل 01:09 ساعت محتوای آموزشی)

فصل هفدهم : کاهش ابعاد (Dimensionality Reduction)

01:32 ساعت (شامل 01:31 ساعت محتوای آموزشی)

فصل هجدهم: ساخت WebApp مبتنی بر یادگیری ماشین

00:50 ساعت (شامل 00:49 ساعت محتوای آموزشی)

فصل نوزدهم : آموزش Pycaret

00:36 ساعت (شامل 00:35 ساعت محتوای آموزشی)

فصل بیستم : جمع‌بندی و پروژه نهایی

16:03 ساعت (شامل 00:03 ساعت محتوای آموزشی)

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 ساعت (شامل 00:40 ساعت محتوای آموزشی)

فصل دوم - 30 نکته کاربردی کتابخانه Pandas

03:10 ساعت (شامل 03:10 ساعت محتوای آموزشی)

فصل سوم - 20 نکته کاربردی کتابخانه Scikit-Learn

02:05 ساعت (شامل 02:04 ساعت محتوای آموزشی)

فصل چهارم - اقدامات لازم قبل از آموزش مدل

01:42 ساعت (شامل 01:32 ساعت محتوای آموزشی)

فصل پنجم - بصری سازی (Visualization)

00:22 ساعت (شامل 00:20 ساعت محتوای آموزشی)

فصل ششم - ابزارهای مهم و جانبی یادگیری ماشین

06:16 ساعت (شامل 04:08 ساعت محتوای آموزشی)

فصل هفتم - ساخت Web App برای دیتاساینتیست‌ها

05:27 ساعت (شامل 01:27 ساعت محتوای آموزشی)

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

03:07 ساعت (شامل 01:07 ساعت محتوای آموزشی)

پروژه دوم - پیش بینی Churn

02:43 ساعت (شامل 00:43 ساعت محتوای آموزشی)

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

02:57 ساعت (شامل 00:57 ساعت محتوای آموزشی)

پروژه چهارم - پیش بینی Fraud Detection در تراکنش های اتریوم

02:52 ساعت (شامل 00:52 ساعت محتوای آموزشی)

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

02:26 ساعت (شامل 00:26 ساعت محتوای آموزشی)

پروژه ششم - ساخت یک Recommender System با استفاده از Word2Vec

02:36 ساعت (شامل 00:36 ساعت محتوای آموزشی)

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

02:33 ساعت (شامل 00:33 ساعت محتوای آموزشی)

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

03:07 ساعت (شامل 01:07 ساعت محتوای آموزشی)

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

02:38 ساعت (شامل 00:38 ساعت محتوای آموزشی)

پروژه دهم - پیش بینی میزان مصرف انرژی

02:37 ساعت (شامل 00:37 ساعت محتوای آموزشی)