دوره ی ماشین لرنینگ و پایتون پیشرفته

سرفصل های دوره ماشین لرنینگ

سرفصل های دوره ماشین لرنینگ

تعریف ماشین لرنینگ

مدل های یادگیری با ناظر یا Supervised Learning
مدل های یادگیری بدون ناظر یا Unsupervised Learning

مدل های یادگیری تقویتی یا Reinforcement Learning

تفاوت انواع مدل های رگرسیون خطی و غیر خطی، تک متغیره و چند متغیره

مدل رگرسیون خطی تک متغیره همراه با کد پایتون

مدل رگرسیون خطی چند متغیره همراه با کد پایتون

مدل رگرسیون لاجیستیک همراه با کد پایتون

داده های آموزشی، اعتبار سنجی، و آزمون و کاربرد آن ها

مدل K همسایگی نزدیک رگرسیون همراه با کد پایتون
مدل K همسایگی نزدیک طبقه بندی همراه با کد پایتون

میانگین خطای مطلق یا MAE با کد پایتون

میانگین مربعات خطا یا MSE با کد پایتون

ریشه میانگین مربعات خطا یا RMSE با کد پایتون

ضریب تعیین یا R2 با کد پایتون

نحوه رسم scatter plot دو بعدی
نحوه رسم scatter plot سه بعدی

نحوه رسم bar plot ها (بار چارت ها و بار پلات ها، بار پلات های تکی، بار پلات های چند تایی)

کتابخانه pundas و نحوه import کردن و استفاده از فایل های اکسل از طریق این کتابخانه

ترکیب کردن جدول ها با استفاده از دستور concat

تبدیل index به ستون واقعی در جدول

دستور groupby

گروه بندی محتویات جدول بر اساس مقادیر خاص ستون ها

جمع کردن مقادیر یک ستون بر اساس مقادیر ثابت ستون دیگر در dataframe

استفاده از لایبرری pandas
استفاده از لایبرری numpy
استفاده از لایبرری seaborn
استفاده از لایبرری matplotlib.pyplot

تمیز کردن داده ها
دستور factorize
دستور dummy
مفاهیم آماری صدک های مختلف (percentile) و نحوه دسترسی به آن ها در محیط پایتون
عملیات مختلف روی جدول ها
عوض کردن نام ستون ها
فیلتر ستون ها
Pie Plot ها
Donut پلات ها

نرمال سازی Normalization
استاندارد سازی Standardization
دستور shape
ماتریس همبستگی Correlation Matrix
ماتریس کوواریانس Covariance Matrix

مفاهیم variance و bias
مفاهیم underfitting و overfitting

مدل درخت تصمیم Decision Tree
مدل درخت تصمیم رگرسیون Regression Tree همراه بت کد پایتون
مدل درخت تصمیم طبقه بندی Classification Tree همراه با پایتون
Gini Impurity ناخالصی جینی

مدل درخت تصادفی طبقه بندی Random Forest for Classification همراه با کد پایتون

مدل درخت تصادفی رگرسیون Random forest for Regression همراه با کد پایتون

داده bootstrapped

مدل Support Vector Classifier ها و تفاوتش با Support Vector Machine ها

مدل ساپورت وکتور ماشین Support Vector Machine (SVM) همراه با کد پایتون

ماتریس Confusion یا Confusion Matrix
مدل تجزیه و تحلیل مولفه های اصلی Principal Component Analysis (PCA) همراه با کد پایتون

اگر سوالی داشته باشه اشکالاتتون توسط مدرس به مدت ۵ ماه پاسخ داده میشه و بر طرف میشه
و اگر نمره‌ی قبولی رو گرفتید (نمره ی قبولی شامل تمریناتی است که مدرس برای شما ارسال می کنند و شما باید انجام بدید)

برای صادر شدن گواهی گذراندن دوره می توانید مبلغ ۱۰۰ هزار تومان پرداخت کنید و مدرک رو بعد از انجام تمرینات دریافت کنید

این دوره مجموعا ۱۷ ساعت می باشد بعد از ثبت نام دکتر خادمی لینک کانال تلگرامی دوره رو در واتس اپ میفرستن

بعد از ثبت نام لینک گروه تلگرام دانشجویان کلاس برای تعامل بیشتر با همکلاسیها برایتان ارسال می شود.

مدرس دوره:
دکتر فائزه خادمی