×
ribbon
مکتب خونه هوش مصنوعیمفاهیم هوش مصنوعیماشین لرنینگ

آموزش پایه‌های یادگیری ماشین

مدرس:The Great Courses

Google Career Certificates

داده‌ها را برای یادگیری ماشین آماده کنید و مدل‌های یادگیری نظارت‌شده و بدون نظارت را با پایتون بسازید و ارزیابی کنید.

محبوب کاربران
زیرنویس
4.8 (10)
6 دیدگاه
444دانشجو
4ساعت
سرفصل‌ها
پیشرفته سطح دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

نحوه شناسایی ویژگی‌های انواع مختلف یادگیری ماشین

یادگیری آماده‌سازی داده برای مدل‌های یادگیری ماشین

چگونگی ساخت و ارزیابی مدل‌های یادگیری نظارت‌شده و بدون نظارت با استفاده از پایتون

یادگیری نمایش انتخاب مناسب مدل و معیار برای الگوریتم یادگیری ماشین

این دوره شامل:

4 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

پیش‌نیاز‌ها

برای درک و استفاده بهتر از این دوره، داشتن دانش و مهارت‌های پایه‌ی تحلیل داده و ابزارهای مرتبط الزامیست.

توضیحات دوره

در دوره "The Nuts and Bolts of Machine Learning"، شما درباره یادگیری ماشین آموزش می‌بینید که از الگوریتم‌ها و آمار برای آموزش سیستم‌های کامپیوتری به منظور کشف الگوها در داده‌ها استفاده می‌شود. حرفه‌ای‌های داده از یادگیری ماشین برای تجزیه و تحلیل مقادیر بزرگ داده، حل مسائل پیچیده و انجام پیش‌بینی‌های دقیق استفاده می‌کنند.

شما بر روی دو نوع اصلی یادگیری ماشین، یعنی نظارت شده و بدون نظارت، تمرکز خواهید داشت. همچنین یاد خواهید گرفت که چگونه مدل‌های یادگیری ماشین مختلف را برای حل مسائل تجاری به کار ببرید و با مدل‌های خاصی مانند Naive Bayes، درخت تصمیم، جنگل تصادفی و غیره آشنا شوید.

کارمندان گوگل که در حال حاضر در این زمینه کار می‌کنند، شما را از طریق فعالیت‌های عملی که وظایف مرتبط را شبیه‌سازی می‌کنند، با مثال‌هایی از کار روزمره‌شان آشنا می‌کنند و به شما کمک می‌کنند مهارت‌های تجزیه و تحلیل داده خود را برای آمادگی برای حرفه‌ای‌تر شدن ارتقا دهید.

تا پایان این دوره، شما قادر خواهید بود:

  • تکنیک‌های مهندسی ویژگی را با استفاده از پایتون اعمال کنید
  • یک مدل Naive Bayes را بسازید
  • توضیح دهید چگونه یادگیری بدون نظارت از یادگیری نظارت شده متمایز است
  • الگوریتم K-means را در پایتون کد کنید
  • نتایج مدل K-means را ارزیابی و بهینه‌سازی کنید
  • مدل‌های درخت تصمیم را بررسی کنید، چگونگی عملکرد آن‌ها و مزایای آن‌ها نسبت به انواع دیگر یادگیری ماشین را توضیح دهید
  • مفهوم bagging در یادگیری ماشین، به ویژه برای مدل‌های جنگل تصادفی را توصیف کنید
  • افزایش در یادگیری ماشین، به ویژه برای مدل‌های XGBoost را تفکیک کنید
  • پارامترهای تنظیم مدل و نحوه اثرگذاری آن‌ها بر عملکرد و معیارهای ارزیابی را توضیح دهید

دیدگاه کاربران

4.8

بر اساس امتیاز 10 دانشجو

1
2
3
4
5

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه

ضمانت بازگشت وجه

کیفیت این آموزش توسط مکتب‌خونه تضمین شده است. در صورت عدم رضایت، با شرایط زیر می‌توانید درخواست بازگشت وجه کنید.

مهلت درخواستتا ۱۵ روز پس از خرید دوره
میزان مشاهدهکمتر از ۲۰ درصد یا ۵ جلسه از دوره
Google Career Certificates
51دوره
22,333دانشجو
1,689نظر و امتیاز

گواهی‌های شغلی Google بخشی از برنامه Grow with Google است که از طریق آموزش‌هایی مانند این درس در تلاش است تا به همه  کسانی که نیروی کار امروز را تشکیل می‌دهند و دانش‌آموزانی که نیروی کار فردا را هدایت می‌کنند آموزش دهد و با ایجاد بستری مناسب زمینه دسترسی به بهترین آموزش‌ها و ابزارهای Google برای رشد مهارت‌ها، مشاغل و کسب‌وکارها را ایجاد کند.

مهارت‌هایی که می‌آموزید

آموزش ماشین لرنینگ
آموزش مفاهیم هوش مصنوعی
آموزش هوش مصنوعی
poster

آموزش پایه‌های یادگیری ماشین

444دانشجو
4.8(10)

دوره‌های مشابه

دیگر دوره‌های Google Career Certificates

سوالات پرتکرار

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.