یادگیری ماشین از صفر تا صد: هوش مصنوعی، پایتون، R و ChatGPT

به یادگیری یادگیری ماشین علاقه‌مند هستید؟ پس این دوره دقیقاً برای شماست! این دوره توسط یک دانشمند داده (Data Scientist) و یک متخصص یادگیری ماشین طراحی شده است تا دانش و تجربه خود را به ... بیشتر

جدید
زیرنویس
12 دانشجو
مقدماتی
Udemy

آکادمی گرولی

+ 4 مدرس دیگر

به‌روزرسانی: ۱۴۰۴/۰۷/۲۲

محتوای دوره
درباره دوره
درباره استاد

آنچه در این دوره می‌آموزید

تسلط کامل بر یادگیری ماشین با استفاده از زبان‌های برنامه‌نویسی Python و R

داشتن درک شهودی عمیق از بسیاری از مدل‌های یادگیری ماشین

توانایی انجام پیش‌بینی‌های دقیق

انجام تحلیل‌های قدرتمند و مؤثر

محتوای دوره

45 فصل 346 جلسه 46 ساعت ویدیو
به دوره خوش آمدید!
  هیجان‌زده شوید درباره یادگیری ماشین: پیش‌بینی خرید خودرو با استفاده از Python و Scikit-learn در 5 دقیقه
مشاهده
"04:45
  تمام داده‌ها، کدها و اسلایدها را از اینجا دریافت کنید
"00:09
  کارگاه‌های پیشنهادی قبل از شروع یادگیری!
"01:35
  چگونه از Google Colab و پوشه دوره یادگیری ماشین استفاده کنیم؟
مشاهده
"05:43
پیش‌پردازش داده‌ها
پیش‌پردازش داده‌ها در پایتون
پیش‌پردازش داده‌ها در زبان R
به بخش دوم خوش آمدید; رگرسیون!
رگرسیون خطی ساده
رگرسیون خطی چندگانه
رگرسیون چندجمله‌ای (Polynomial Regression)
رگرسیون بردار پشتیبان (Support Vector Regression - SVR)
رگرسیون درخت تصمیم (Decision Tree Regression)
رگرسیون جنگل تصادفی (Random Forest Regression)
ارزیابی عملکرد مدل‌های رگرسیون
انتخاب مدل رگرسیون در پایتون
انتخاب مدل رگرسیون در زبان R
بخش 3: طبقه‌بندی (Classification)
رگرسیون لجستیک (Logistic Regression)
نزدیک‌ترین همسایه‌ها (K-نزدیک‌ترین همسایه‌ها یا K-NN)
ماشین بردار پشتیبان (SVM)
ماشین بردار پشتیبان هسته‌ای (Kernel SVM)
بیز ساده (Naive Bayes)
طبقه‌بندی با درخت تصمیم
طبقه‌بندی جنگل تصادفی (Random Forest)
انتخاب مدل طبقه‌بندی در پایتون
ارزیابی عملکرد مدل‌های طبقه‌بندی
قسمت 4 - خوشه‌بندی
خوشه‌بندی K-میانگین
خوشه‌بندی سلسله‌مراتبی (Hierarchical Clustering)
بخش 5: یادگیری قوانین انجمنی (Association Rule Learning)
آپریوری (Apriori)
اکلت (Eclat)
بخش 6: یادگیری تقویتی (Reinforcement Learning)
بازه اطمینان بالا (UCB — Upper Confidence Bound)
نمونه‌برداری تامپسون (Thompson Sampling)
بخش 7: پردازش زبان طبیعی (Natural Language Processing)
بخش 8: یادگیری عمیق (Deep Learning)
شبکه‌های عصبی مصنوعی (Artificial Neural Networks - ANN)
شبکه‌های عصبی پیچشی (Convolutional Neural Networks - CNN)
بخش 9: کاهش ابعاد
تحلیل مولفه‌های اصلی (PCA)
تحلیل تمایز خطی (LDA)
کرنل PCA (Kernel PCA)
بخش 10: انتخاب مدل و بوستینگ
انتخاب مدل
XGBoost
ضمیمه: رگرسیون لجستیک (توضیح مفصل)

درباره دوره

به یادگیری یادگیری ماشین علاقه‌مند هستید؟ پس این دوره دقیقاً برای شماست!

این دوره توسط یک دانشمند داده (Data Scientist) و یک متخصص یادگیری ماشین طراحی شده است تا دانش و تجربه خود را به ساده‌ترین شکل ممکن با شما به اشتراک بگذاریم و مفاهیم پیچیده نظری، الگوریتم‌ها و کتابخانه‌های برنامه‌نویسی را به‌سادگی به شما آموزش دهیم.

بیش از یک میلیون دانشجو در سراسر جهان به این دوره اعتماد کرده‌اند.

ما شما را گام‌به‌گام به دنیای یادگیری ماشین هدایت می‌کنیم. با هر آموزش، مهارت‌های جدیدی کسب می‌کنید و درک عمیق‌تری از این حوزه چالش‌برانگیز اما پردرآمد از علم داده خواهید یافت.

شما می‌توانید این دوره را با آموزش‌های پایتون یا R یا هر دو به پایان برسانید. زبان برنامه‌نویسی‌ای را انتخاب کنید که برای مسیر شغلی‌تان مناسب‌تر است.

این دوره در عین جذاب و سرگرم‌کننده بودن، عمیقاً به مفاهیم یادگیری ماشین می‌پردازد و به صورت زیر ساختاربندی شده است:

ساختار دوره:
بخش ۱ - پیش‌پردازش داده‌ها
بخش ۲ - رگرسیون:
رگرسیون خطی ساده، رگرسیون خطی چندگانه، رگرسیون چندجمله‌ای، SVR، رگرسیون درخت تصمیم، رگرسیون جنگل تصادفی
بخش ۳ - طبقه‌بندی:
رگرسیون لجستیک، K-NN، ماشین بردار پشتیبان (SVM)، SVM هسته‌ای، بیز ساده (Naive Bayes)، درخت تصمیم، جنگل تصادفی
بخش ۴ - خوشه‌بندی:
K-Means، خوشه‌بندی سلسله‌مراتبی
بخش ۵ - یادگیری قوانین وابستگی:
الگوریتم Apriori، الگوریتم Eclat
بخش ۶ - یادگیری تقویتی:
مرز اطمینان بالا (UCB)، نمونه‌برداری تامپسون
بخش ۷ - پردازش زبان طبیعی (NLP):
مدل Bag-of-Words و الگوریتم‌های NLP
بخش ۸ - یادگیری عمیق:
شبکه‌های عصبی مصنوعی (ANN)، شبکه‌های عصبی پیچشی (CNN)
بخش ۹ - کاهش ابعاد:
تحلیل مؤلفه‌های اصلی (PCA)، تحلیل تفکیک خطی (LDA)، Kernel PCA
بخش ۱۰ - انتخاب مدل و Boosting:
اعتبارسنجی متقاطع (k-fold)، تنظیم پارامترها، جست‌وجوی شبکه‌ای (Grid Search)، XGBoost

هر بخش از دوره به‌صورت مستقل ارائه شده است؛ بنابراین می‌توانید دوره را به‌طور کامل از ابتدا تا انتها طی کنید، یا تنها به بخشی که هم‌اکنون برای شغل یا پروژه‌تان نیاز دارید مراجعه کنید.

علاوه بر این، دوره با تمرین‌های عملی بر اساس مطالعات موردی واقعی پر شده است. بنابراین نه تنها تئوری را یاد می‌گیرید، بلکه در ساخت مدل‌های واقعی نیز مهارت کسب می‌کنید.

و در نهایت، این دوره شامل قالب‌های کدنویسی در پایتون و R نیز هست که می‌توانید آن‌ها را دانلود کرده و در پروژه‌های شخصی خود استفاده کنید.

 
این دوره مناسب چه کسانی است؟
هر کسی که به یادگیری ماشین علاقه‌مند است
دانش‌آموزانی که حداقل دانش ریاضی در سطح دبیرستان دارند و می‌خواهند یادگیری ماشین را شروع کنند
افرادی در سطح متوسط که با مفاهیم پایه مانند رگرسیون خطی یا لجستیک آشنا هستند و می‌خواهند عمیق‌تر یاد بگیرند
کسانی که در کدنویسی خیلی راحت نیستند اما می‌خواهند یادگیری ماشین را به‌سادگی بر روی داده‌ها پیاده‌سازی کنند
دانشجویان دانشگاهی که می‌خواهند وارد حرفه علم داده شوند
تحلیلگران داده‌ای که می‌خواهند در یادگیری ماشین پیشرفت کنند
افرادی که از شغل فعلی خود رضایت ندارند و می‌خواهند تبدیل به دانشمند داده شوند
هر کسی که می‌خواهد با استفاده از ابزارهای قدرتمند یادگیری ماشین، ارزش افزوده‌ای به کسب‌وکار خود بیافزاید

اطلاعات بیشتر

درباره استاد

آکادمی گرولی
77 دوره
15,319 دانشجو

آکادمی گرولی با هدف توانمندسازی و توسعه حرفه‌ای افراد در حوزه‌های مختلف شغلی  فعالیت می‌کند. دوره‌ها و وبینارهایی که گرولی ارائه می‌کند، به شما در جهت ارتقای مهارت‌های فنی و  نرم در حوزه‌های تخصصی مانند مدیریت محصول، بازاریابی دیجیتال، رشد (Growth) و توسعه کسب‌وکار  و دیگر حوزه‌های شغلی دسته‌بندی می‌شوند. آکادمی گرولی، اولین مجموعه در ایران است که دوره‌های حرفه‌ای شرکت بین‌المللی ریفورج  که شامل ۲۱ دوره با محتوای کاربردی در کلاس جهانی می‌باشد را با زیرنویس فارسی ارائه کرده است.

اطلاعات بیشتر

دیگر دوره‌های آکادمی گرولی

Kirill Eremenko
2 دوره
370 دانشجو

از نظر حرفه‌ای، من از حوزه مشاوره علم داده وارد شدم و در صنایع مختلفی مثل امور مالی، خرده‌فروشی، حمل‌ونقل و سایر حوزه‌ها تجربه دارم. در Deloitte استرالیا توسط بهترین مربیان تحلیل داده آموزش دیدم و از زمانی که فعالیتم را در Udemy آغاز کردم، دانشم را به هزاران دانشجوی مشتاق علم داده منتقل کرده‌ام.

در دوره‌های من بلافاصله متوجه خواهید شد که چطور تجربه واقعی‌ام را با پیش‌زمینه آکادمیکم در فیزیک و ریاضیات ترکیب می‌کنم تا آموزش‌هایی گام‌به‌گام و حرفه‌ای در زمینه علم داده ارائه دهم. یکی از نقاط قوت سبک آموزشی من تمرکز بر توضیحات شهودی و قابل درک است؛ بنابراین مطمئن باشید حتی پیچیده‌ترین مفاهیم را هم واقعاً درک خواهید کرد.

در نهایت، باید بگویم که به شکل کامل و عمیقی به علم داده علاقه‌مندم و مشتاقم این علاقه و دانش را با شما به اشتراک بگذارم!

اطلاعات بیشتر

Hadelin de Ponteves
2 دوره
370 دانشجو

هادلین یک کارآفرین آنلاین است که بیش از ۳۰ دوره آموزشی برتر در حوزه‌های فناوری نوین مانند هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، بلاک‌چین و رمزارزها به جهان ارائه کرده است. او با اشتیاق به دنبال انتقال این دانش به مردم جهان و کمک به هرچه بیشتر افراد است. تاکنون بیش از ۲ میلیون نفر در دوره‌های آموزشی او ثبت‌نام کرده‌اند.

اطلاعات بیشتر

SuperDataScience Team
2 دوره
370 دانشجو

تیم SuperDataScience متشکل از متخصصان و مربیان برجسته در حوزه علم داده و هوش مصنوعی است که با ارائه دوره‌های آموزشی آنلاین، پادکست‌ها، مقالات و منابع کمکی، به کاربران کمک می‌کنند تا مهارت‌های خود را در تکنولوژی‌های پیشرفته بهبود دهند. این تیم با تکیه بر تجربه‌های واقعی در صنعت و رویکردی گام به گام، مفاهیم پیچیده علم داده را به شیوه‌ای ساده و کاربردی به دانشجویان منتقل می‌کند، تا همه بتوانند در دنیای سریع‌التحول علم داده و فناوری پیشرفت کنند.

اطلاعات بیشتر

Ligency Team
1 دوره
12 دانشجو

سلام،

ما تیم روابط عمومی و بازاریابی Ligency هستیم. هر زمان که دوره‌ جدیدی منتشر شود، پادکست‌ها، مقالات وبلاگ، تقلب‌نامه‌ها (cheatsheets) و محتوای آموزشی جدیدی منتشر کنیم، از ما خواهید شنید!

هدف ما این است که به شما کمک کنیم همیشه در لبه‌ی علم داده و فناوری باقی بمانید.

تو کلاس می‌بینیمتون!

با احترام،
تیم واقعی Ligency

اطلاعات بیشتر