IRANICAI IRANICAI
دوره مقدماتی یادگیری ماشین و علم داده
دوره مقدماتی یادگیری ماشین و علم داده
این دوره جامع علم داده و یادگیری ماشین از سطح مقدماتی تا پیشرفته طراحی شده و شما را از طریق یک رویکرد کاملاً پروژه‌محور وارد دنیای واقعی علم داده می‌کند. در طول دوره، با مفهوم داده و کاربرد آن در صنایع مختلف آشنا می‌شوید، محیط‌های حرفه‌ای Python و Jupyter را راه‌اندازی می‌کنید، مفاهیم پایه جبر خطی، آمار توصیفی و استنباطی را با مثال‌های واقعی پیاده‌سازی می‌کنید، و با استفاده از NumPy و Pandas داده‌های واقعی (مسکن، ترافیک فرودگاهی، تجارت الکترونیک، داده‌های پزشکی و مالی) را تحلیل و آماده‌سازی می‌کنید. همچنین تحلیل اکتشافی داده (EDA) و مصورسازی حرفه‌ای داده‌ها با استفاده از Matplotlib، Seaborn، Plotly و Dash را یاد می‌گیرید و داشبوردهای مدیریتی تعاملی طراحی می‌کنید. در ادامه، داده‌ها را پیش‌پردازش می‌کنید (مدیریت داده‌های گمشده، ویژگی‌های دسته‌ای، نرمال‌سازی و استانداردسازی)، الگوریتم‌های طبقه‌بندی و رگرسیون مانند Decision Tree، SVM، KNN، Random Forest، AdaBoost، XGBoost و CatBoost (با پشتیبانی GPU) را در پروژه‌های واقعی مانند پیش‌بینی لغو رزرو هتل، قیمت مسکن، سکته قلبی و تحلیل بیمه پیاده‌سازی و ارزیابی می‌کنید. سپس با استفاده از Grid Search و Pipeline مدل‌ها را بهینه می‌کنید و وارد مباحث پیشرفته‌تری مانند پردازش زبان طبیعی فارسی (NLP)، بینایی ماشین با CNN، داده‌های نامتوازن، کشف تقلب، تحلیل سری‌های زمانی و پیش‌بینی قیمت سهام می‌شوید. در نهایت با انجام پروژه‌های سطح صنعتی در حوزه خوشه‌بندی، تشخیص ناهنجاری و کاهش ابعاد، یک مسیر کامل و حرفه‌ای علم داده را از داده خام تا مدل قابل ارائه طی خواهید کرد.
12 فصل‌ها
  • علم داده و یادگیری ماشین چیست؟ 45 دقیقه
  • کاربردهای علم داده و یادگیری ماشین در صنعت (بخش اول) 45 دقیقه
  • کاربردهای پیشرفته در صنایع تخصصی (بخش دوم) 45 دقیقه
  • تفاوت هوش مصنوعی، علم داده و یادگیری ماشین 45 دقیقه
  • زبان‌های برنامه‌نویسی در علم داده (Python و R) 45 دقیقه
  • ابزارهای نرم‌افزاری علم داده 45 دقیقه
  • متدولوژی CRISP در پروژه‌های یادگیری ماشین 45 دقیقه
  • آزمون پایان فصل 45 دقیقه
  • نصب Python و Anaconda 60 دقیقه
  • ار با Jupyter Notebook 60 دقیقه
  • ابزارهای کاربردی توسعه پایتون 60 دقیقه
  • آشنایی با بردارها و فضاهای برداری 40 دقیقه
  • عملیات روی بردارها و ترکیب خطی 40 دقیقه
  • کار با NumPy (آرایه‌ها، ماتریس‌ها، دترمینان، معکوس) 40 دقیقه
  • تجزیه‌های عددی (SVD و Eigen) 40 دقیقه
  • حل معادلات خطی 40 دقیقه
  • کار با Pandas (DataFrame و Series) 40 دقیقه
  • عملیات join و merge 40 دقیقه
  • تحلیل داده مسکن (پروژه عملی) 40 دقیقه
  • آزمون پایان فصل 40 دقیقه
  • تحلیل اکتشافی داده (EDA) 40 دقیقه
  • میانگین، میانه، مد 40 دقیقه
  • واریانس و انحراف معیار 40 دقیقه
  • تحلیل داده فرودگاهی (پروژه) 40 دقیقه
  • نمودارها (Histogram، Boxplot) 40 دقیقه
  • توزیع‌های آماری (نرمال، نمایی، پواسون) 40 دقیقه
  • KL Divergence 40 دقیقه
  • Jensen-Shannon Distance 40 دقیقه
  • آزمون پایان فصل 40 دقیقه
  • آمار توصیفی vs استنباطی 40 دقیقه
  • شبیه‌سازی آماری 40 دقیقه
  • فاصله اطمینان 40 دقیقه
  • آزمون T-Test 40 دقیقه
  • آزمون Mann-Whitney 40 دقیقه
  • آزمون Chi-Square 40 دقیقه
  • آزمون Shapiro 40 دقیقه
  • تحلیل داده‌های پزشکی، آموزشی و تجارت الکترونیک 40 دقیقه
  • آزمون پایان فصل 40 دقیقه
  • Matplotlib و Seaborn 60 دقیقه
  • نمودارهای خطی، میله‌ای، پراکندگی 60 دقیقه
  • تحلیل داده خودرو 60 دقیقه
  • Plotly (نمودارهای تعاملی) 60 دقیقه
  • ساخت داشبورد با Dash 60 دقیقه
  • آزمون پایان فصل 60 دقیقه
  • مفهوم پیش‌پردازش داده 40 دقیقه
  • مدیریت داده‌های گمشده 40 دقیقه
  • تبدیل داده‌های غیرعددی 40 دقیقه
  • One-Hot Encoding و Label Encoding 40 دقیقه
  • نرمال‌سازی و استانداردسازی 40 دقیقه
  • پروژه: داده مشتریان فروشگاه 40 دقیقه
  • پروژه: داده بیماران دیابتی 40 دقیقه
  • پروژه: داده وام 40 دقیقه
  • آزمون پایان فصل 40 دقیقه
  • یادگیری نظارت‌شده و بدون نظارت 30 دقیقه
  • Decision Tree 30 دقیقه
  • SVM 30 دقیقه
  • KNN 30 دقیقه
  • Random Forest 30 دقیقه
  • AdaBoost 30 دقیقه
  • XGBoost (پروژه هتل) 30 دقیقه
  • Grid Search 30 دقیقه
  • رگرسیون خطی و لجستیک 30 دقیقه
  • CatBoost (بیمه) 30 دقیقه
  • Pipeline 30 دقیقه
  • Overfitting و Underfitting 30 دقیقه
  • پردازش متن فارسی (NLP) 45 دقیقه
  • TF-IDF، Naive Bayes، Word2Vec 45 دقیقه
  • بینایی ماشین با CNN 45 دقیقه
  • داده‌های نامتوازن (SMOTE) 45 دقیقه
  • کشف تقلب بیمه 45 دقیقه
  • تحلیل سری زمانی (ARIMA، SARIMA) 45 دقیقه
  • پیش‌بینی قیمت سهام 45 دقیقه
  • آزمون پایان فصل 45 دقیقه
  • K-means 50 دقیقه
  • DBSCAN 50 دقیقه
  • MeanShift و Spectral Clustering 50 دقیقه
  • خوشه‌بندی سلسله‌مراتبی 50 دقیقه
  • پروژه: سیستم پیشنهاددهنده (دیجی‌کالا) 50 دقیقه
  • خوشه‌بندی متن 50 دقیقه
  • آزمون پایان فصل 50 دقیقه
  • الگوریتم LOF 50 دقیقه
  • الگوریتم ABOD 50 دقیقه
  • Isolation Forest 50 دقیقه
  • کشف تقلب کارت بانکی 50 دقیقه
  • تحلیل رفتار کاربران 50 دقیقه
  • ترکیب با مدل‌های طبقه‌بندی 50 دقیقه
  • آزمون پایان فصل 50 دقیقه
  • PCA 50 دقیقه
  • Kernel PCA 50 دقیقه
  • ICA 50 دقیقه
  • t-SNE 50 دقیقه
  • UMAP 50 دقیقه
  • کاربرد در طبقه‌بندی و خوشه‌بندی 50 دقیقه
  • آزمون پایان فصل 50 دقیقه

teacher 1

Lorem Ipsum is simply dummy text of the printing

ثبت‌نام و پرداخت

ثبت نام

4000000تومان

4000000تومان!

iranic