مبانی یادگیری ماشین و پیاده سازی در پایتون
هفته اول
مفاهیم و مقدمات
4 موضوعها
مقدمه ای بر یادگیری ماشین
دسته بندی کلی الگوریتم ها
دسته بندی بر اساس کاربردها
معرفی دوره پیش رو
مفاهیم پایه و تئوری
3 موضوعها
مروری بر ریاضیات جبر خطی
مروری بر تئوری احتمالات
تئوری بهینه سازی و روشهای آن
هفته دوم
رگرسیون Regression – بخش اول
5 موضوعها
مقدمه
مبانی رگرسیون خطی
پیاده سازی رگرسیون خطی در پایتون
مبانی رگرسیون غیرخطی
پیاده سازی رگرسیون غیرخطی در پایتون
هفته سوم
رگرسیون Regression – بخش دوم
4 موضوعها
مبانی رگرسیون مقاوم
پیاده سازی رگرسیون مقاوم در پایتون
تنظیم مدل رگرسیون
تنظیم مدل رگرسیون در پایتون
پروژه عملی
2 موضوعها
پروژه نمونه در مبحث رگرسیون
بارگذاری پروژه رگرسیون
هفته چهارم
مقدمه ای بر دسته بندی
1 موضوع
مرور کلی بر مبحث دسته بندی
مدلهای دستهبند احتمالاتی – بخش اول
5 موضوعها
مقدمه ای بر مدلهای احتمالاتی
مدلهای احتمالاتی مولد
پیاده سازی مدلهای مولد در پایتون
مدلهای احتمالاتی جداکننده
پیاده سازی مدلهای جداکننده در پایتون
هفته پنجم
مدلهای دستهبند احتمالاتی – بخش دوم
4 موضوعها
آنالیز ریسک در مدلهای احتمالاتی
پیاده سازی آنالیز ریسک در پایتون
مدلهای غیرپارامتریک
پیاده سازی مدلهای غیرپارامتریک در پایتون
مدلهای دستهبند خطی
4 موضوعها
روش پرسپترون و حداقل مربعات
پیاده سازی روش پرسپترون و حداقل مربعات در پایتون
روش آنالیز خطی فیشر
پیاده سازی آنالیز خطی فیشر در پایتون
پروژه عملی
2 موضوعها
پروژه نمونه مبحث دسته بندی
بارگذاری پروژه دسته بندی
هفته ششم
مدل ماشین بردار پشتیبان SVM
6 موضوعها
مقدمه ای بر SVM
بهینه سازی مقید
کاربرد SVM در طبقه بندی
پیاده سازی SVM-Classification در پایتون
کاربرد SVM در رگرسیون
پیاده سازی SVM-Regression در پایتون
پروژه عملی
3 موضوعها
پروژه نمونه اول: SVM در رگرسیون
پروژه نمونه دوم: SVM در طبقه بندی
بارگذاری پروژه تمرینی SVM
هفته هفتم
شبکههای عصبی مصنوعی
8 موضوعها
مقدمه ای بر شبکه عصبی
ساختار شبکههای عصبی
بهینهسازی مبتنی بر مشتق
گرادیان نزولی Gradient Descent
مفهوم Back Propagation
شبکههای عصبی باور عمیق
پیادهسازی دسته بندی با شبکه عصبی در پایتون
پیادهسازی رگرسیون با شبکه عصبی در پایتون
پروژه عملی
3 موضوعها
پروژه نمونه اول: شبکه عصبی در دسته بندی
پروژه نمونه دوم: شبکه عصبی در رگرسیون
بارگذاری پروژه شبکه عصبی
هفته هشتم
درخت تصمیم گیری
8 موضوعها
مقدمه ای بر درخت تصمیم
شاخه بندی – Splitting
ضریب جینی – Gini Index
آنتروپی – Entropy
خطای دسته بندی
مزیت ها و معایب درخت تصمیم
هرس کردن درخت تصمیم
کاربرد درخت تصمیم در رگرسیون
پروژه عملی
3 موضوعها
پروژه نمونه اول: درخت تصمیم در دسته بندی
پروژه نمونه دوم: درخت تصمیم در رگرسیون
بارگذاری پروژه درخت تصمیم
هفته نهم
مهندسی ویژگی Feature Engineering
6 موضوعها
مقدمه ای بر مهندسی ویژگی
کاهش ابعاد به روش PCA
پیاده سازی PCA در پایتون
مفهوم و کاربرد Autoencoder ها
پیاده سازی Autoencoders در پایتون
بارگذاری پروژه مهندسی ویژگی
خوشه بندی Clustering
8 موضوعها
مقدمه ای بر خوشه بندی
معیارهای سنجش فاصله
محاسبه فاصله
خوشه بندی مبتنی بر افراز فضا
خوشه بندی سلسله مراتبی
خوشه بندی مبتنی بر چگالی DB-Scan
پیادهسازی خوشه بندی در پایتون
بارگذاری پروژه خوشهبندی
هفته دهم
مباحث تکمیلی
11 موضوعها
مقدمه ای بر مباحث تکمیلی
تنظیم سازی L2
تنظیم سازی L1
افزایش داده ها – Data Augmentation
تقویت هایپر پارامترها
تقویت هایپر پارامترها در پایتون
مدل ترکیبی Bagging
اجرای مدل Bagging در پایتون
مدل ترکیبی Boosting
اجرای مدل Boosting در پایتون
ارزیابی مدل
موضوع بعدی
مفاهیم و مقدمات
مبانی یادگیری ماشین و پیاده سازی در پایتون
مفاهیم و مقدمات
داکیومنت های مرتبط با این درس:
اسلایدهای مبحث مفاهیم و مقدمات یادگیری ماشین
محتوای درس
0% تکمیلشده
0/4 مرحله
مقدمه ای بر یادگیری ماشین
دسته بندی کلی الگوریتم ها
دسته بندی بر اساس کاربردها
معرفی دوره پیش رو
بازگشت به دوره
موضوع بعدی
ورود
برای دسترسی به این دوره باید وارد حساب کاربری خود شوید. لطفاً اطلاعات خود را در زیر وارد کنید!
نام کاربری یا نشانی ایمیل
رمز عبور
مرا به خاطر بسپار
آیا رمز عبور خود را فراموش کردهاید؟