ماشین لرنینگ IMT | محمدرضا مومنی
دوره ماشین لرنینگ IMT با تدریس محمدرضا مومنی، مباحث پایتون، ریاضیات، دیتاساینس و یادگیری ماشین را در یک مسیر آموزشی گردآوری میکند. بخش هوش اقتصادی و ویدیوهای تکمیلی نیز در فهرست منبع دیده میشوند.
قیمت طبقه منفی یک: 790,000 تومان
قیمت منفی یک برای محتوای معرفیشده در این صفحه. ثبت سفارش پس از تکمیل منبع.
در بررسی زندهٔ منبع، ۶۱ فایل از ۱۱۳ عنوان فهرستشده در دسترس نبود. ثبت سفارش این دوره تا تکمیل منبع فعال نمیشود.
دوره ماشین لرنینگ IMT با تدریس محمدرضا مومنی، مباحث پایتون، ریاضیات، دیتاساینس و یادگیری ماشین را در یک مسیر آموزشی گردآوری میکند. بخش هوش اقتصادی و ویدیوهای تکمیلی نیز در فهرست منبع دیده میشوند.
فصلبندی دوره از مقدمه و پایتون به ریاضیات و دیتاساینس میرسد و سپس مباحث ماشین لرنینگ و هوش اقتصادی ماشین لرنینگ را دنبال میکند. بخش ویدیوهای تکمیلی در عنوان منبع «در دست آپدیت» معرفی شده است.
عنوانها و ترتیب فایلها مطابق فهرست نسخهٔ موجود حفظ شدهاند؛ تعداد عنوانهای فهرست، شامل پارتها و فایلهای همراه نیز میشود.
آخر دوره چی دستته
- مرور مبانی پایتون در مسیر یادگیری ماشین
- مطالعهٔ ریاضیات و دیتاساینس
- پیگیری فصل ماشین لرنینگ و هوش اقتصادی
سرفصلها
مقدمه
- صحبت اولیه
فصل اول : پایتون
- جلسه اول نکات طلایی اولیه (نگاه درست به سرچ کردن)
- جلسه دوم (مقدمات و تعاریف اولیه)
- جلسه سوم (آناکوندا)
- جلسه چهارم (کولب)
- جلسه پنجم (متغیرها)
- جلسه ششم (لیست و تاپل)
- جلسه هفتم (دیکشنری)
- جلسه هشتم (set)
- جلسه نهم (if, else, elif)
- جلسه دهم (exception handling)
- جلسه یازدهم (for in)
- جلسه دوازدهم (while)
- جلسه سیزدهم (def)
- جلسه چهاردهم (class)
- جلسه پانزدهم (تمارین پایتون برای ادامه کار)
- جلسه شانزدهم (numpy)
- جلسه هفدهم (pandas)
- جلسه هجدهم (matplotlib)
- جلسه نوزدهم (seaborn)
- جلسه بیستم (scipy)
- جلسه بیست و یکم (plotly)
- جلسه بیست و دوم (سایت های پرکاربرد)
- جلسه بیست و سوم (جمع بندی پایتون)
فصل دوم: ریاضیات
- جلسه اول (آشنایی با ریاضیات کار)
- جلسه دوم (جبر خطی)
- جلسه سوم (آنالیز ژئومتریک)
- جلسه چهارم (ماتریس)
- جلسه پنجم (آمار و احتمالات)
- جلسه ششم (بهینه سازی)
- جلسه هفتم (رگرشن، کلسیفیکیشن)
- جلسه هشتم (جمع بندی فصل)
فصل سوم: دیتاساینس
- جلسه اول (دلیل یادگیری دیتاساینس)
- جلسه دوم (بررسی دو سایت مهم + تمرین روزانه)
- جلسه سوم (هندلینگ میسینگ ولیو)
- جلسه چهارم (بررسی نویز و اوتلیرها)
- جلسه پنجم (مصورسازی دیتا + سورس کد خوانی)
- جلسه ششم (مصورسازی دیتا + آنالیز دیتا)
- جلسه هفتم (پروژه شماره یک)
- جلسه هشتم (تهش با آنالیز دیتا میخوایم چیکار کنیم؟)
- جلسه نهم (ydata profiling)
- جلسه دهم (SweetViz)
- جلسه یازدهم (پروژه شماره دو)
- جلسه دوازدهم (زمان یادگیری ابزارهای مهم مثل دیتابیس)
- جلسه سیزدهم (سخن پایانی)
- جلسه چهاردهم (پروژه نهایی)
- جلسه پانزدهم (فعال سازی اکانت Kaggle)
فصل چهارم: ماشین لرنینگ
- جلسه اول (معرفی و مقدمه فصل)
- جلسه دوم (فلسفه لرنینگ و فیت شدگی)
- جلسه سوم (ارزیابی رگرشن)
- جلسه چهارم (آشنایی با کتابخانه sklearn)
- جلسه پنجم (معرفی کتاب)
- جلسه ششم (الگوریتم رگرشن 1)
- جلسه هفتم (الگوریتم رگرشن 2)
- جلسه هشتم (الگوریتم رگرشن 3)
- جلسه نهم (نرمالایز)
- جلسه دهم (کرولیشن و کراس ولیدیشن)
- جلسه یازدهم (تعمیم رگرشن)
- جلسه دوازدهم (پروژه الگوریتم رگرشن)
- جلسه سیزدهم (لاجستیک رگرشن)
- جلسه چهاردهم (آشنایی با طبقه بندی و ارزیابی آن)
- جلسه پانزدهم (ادامه جلسه لاجستیک)
- جلسه شانزدهم (نایو بیز 1)
- جلسه هفدهم (نایو بیز 2)
- جلسه هجدهم (پروژه نایو بیز)
- جلسه نوزدهم (جواب پروژه رگرشن)
- جلسه بیستم (الگوریتم KNN 1)
- جلسه بیست و یکم (الگوریتم KNN 2)
- جلسه بیست و دوم (پروژه Classification 1)
- جلسه بیست و سوم (الگوریتم Decision Trees 1)
- جلسه بیست و چهارم (الگوریتم Decision Trees 2)
- جلسه بیست و پنجم (الگوریتم Random Forest 1)
- جلسه بیست و ششم (الگوریتم Random Forest 2)
- جلسه بیست و هفتم (الگوریتم SVM 1)
- جلسه بیست و هشتم (الگوریتم SVM 2)
- جلسه بیست و نهم (الگوریتم SVM 3)
- جلسه سی ام (پروژه Classification 2)
- جلسه سی و یکم (Neural Networks)
- جلسه سی و دوم (جواب پروژه Classification 1)
- جلسه سی و سوم (Unsupervised Learning)
- جلسه سی و چهارم (Clustering)
- جلسه سی و پنجم (Evaluation)
- جلسه سی و ششم (Clustering Python)
- جلسه سی و هفتم (Clustering Project)
- جلسه سی و هشتم (Fuzzy Logic)
- جلسه سی و نهم (Unsupervised Data Science)
- جلسه چهلم (P Value)
- جلسه چهل و یکم (PCA)
- جلسه چهل و دوم (پروژه PCA)
- جلسه چهل و سوم (جواب پروژه Classification 2)
- جلسه چهل و چهارم (ICA)
- جلسه چهل و پنجم (AutoEncoders)
- جلسه چهل و ششم (Reinforcement Learning)
- جلسه چهل و هفتم (Model Free)
- جلسه چهل و هشتم (Model Based)
- جلسه چهل و نهم (RL Python and Project)
- جلسه پنجاهم (Markov)
- جلسه پنجاه و یکم (نحوه نگارش مقاله)
- جلسه پنجاه و دوم (جمع بندی مدلسازی)
فصل پنجم: هوش اقتصادی ماشین لرنینگ
- جلسه اول (صحبت های اولیه)
- جلسه دوم (برنامه دو هفته ای)
- جلسه سوم (کار در Kaggle)
- جلسه چهارم (کار در GitHub)
- جلسه پنجم (کار در لینکدین)
- جلسه ششم (قدم بعدی شما)
- جلسه هفتم (رودمپ Computer Vision)
- جلسه هشتم (رودمپ LLM)
- جلسه نهم (رودمپ VLM)
- جلسه دهم (انتخاب مسیر بعدیتون)
- جلسه یازدهم (نکاتی برای اپلای تحصیلی)
- جلسه دوازدهم (فرمت رزومه)
فصل ششم: ویدیوهای تکمیلی (در دست آپدیت میباشد)
- Semi Supervised
- Polynomial Regression
مدرس
محمدرضا مومنی · مدرس دوره
مناسب کیه
- علاقهمندان به علم داده و یادگیری ماشین
- برنامهنویسان در مسیر ورود به ML
داخل پکیج چیه
- فهرست کامل بخشها و عنوانهای آموزشی ۷ بخش و ۱۱۳ عنوان فایل و پارت؛ مطابق فهرست همین صفحه.
ثبتنام و خرید فقط از سایت و ربات انجام میشود.