Faradars Discount
جشنواره تخفیف ویژه فرادرس در هفته کتاب و کتاب‌خوانی ۴۰٪ تخفیف روی همه آموزش‌ها کد تخفیف: ABAN97
Faradars Discount
فرصت باقیمانده تخفیف ویژه

آموزش یادگیری ماشین (Machine Learning) با پایتون (Python)

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

مهندس سعید مظلومی راد
مهندس سعید مظلومی راد

مدرس فرادرس

دانشجوی کارشناسی ارشد مهندسی عمران – سازه


سعید مظلومی راد در حال حاضر دانشجوی کارشناسی ارشد عمران گرایش سازه در دانشگاه آزاد مشهد هستند. ایشان علاقه مند به فعالیت در حوزه هوش مصنوعی و آنالیز داده هستند. (+)



امروزه، یادگیری ماشین در اکثر صنایع و کسب و کارها مورد استفاده قرار می گیرد و تصمیمات بسیار تأثیرگذار دنیای امروز بر اساس پردازش ها و نتایج به دست آمده از یادگیری ماشین است. همچنین زبان برنامه نویسی پایتون (Python) با رشد و گسترده تر شدن روزافزون جامعه کاربری اش، بستر بسیار مناسبی جهت فعالیت های یادگیری ماشین را فراهم کرده است.

👤 مدرس: مهندس سعید مظلومی راد
🕓 مدت زمان: ۱۰ ساعت
🎓 تعداد دانشجو: ۱۶۲۴ نفر این آموزش را تهیه کرده اند. — ۱۶۱ نفر در یک ماه اخیر
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۲۵,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • به صورت رایگان یک یا چند آموزش معادل دیگر دریافت می کنید.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی و ارسال سریع
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش
ارسال پستی به همراه کد رهگیری مرسوله در اولین ساعت اداری روز
ارسال پیک موتوری در تهران، در همان روز ثبت سفارش

(توضیحات بیشتر +)



    توضیحات

    امروزه، یادگیری ماشین در اکثر صنایع و کسب و کارها مورد استفاده قرار می گیرد و تصمیمات بسیار تاثیرگذار دنیای امروز بر اساس پردازش ها و نتایج به دست آمده از یادگیری ماشین است. همچنین زبان برنامه نویسی پایتون (Python) با رشد و گسترده تر شدن روزافزون جامعه کاربری اش، بستر بسیار مناسبی جهت فعالیت های یادگیری ماشین را فراهم کرده است.

    در این فرادرس سعی داریم در ابتدا بسته های شناخته شده پایتون را معرفی و سپس کار با توابع آن ها را بیاموزیم و در انتها، مباحث یادگیری ماشین را با مثال های متعدد در پایتون فرا بگیریم.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • درس یکم: مقدمه ای در رابطه با یادگیری ماشین
      • یادگیری ماشین چیست؟
      • کاربردهای فعلی یادگیری ماشین
      • خطرات هوش مصنوعی
      • مرور مطالب دوره
      • آشنایی با ژوپیتر نوت بوک
    • درس دوم: آشنایی با بسته NumPy
      • آشنایی با Array و Matrix ها
      • عملگرهای محاسباتی
      • آشنایی با Broadcasting
      • اعداد تصادفی
      • دنباله ها
      • کار با مجموعه ها
      • کار با چند جمله ای ها
    • درس سوم: آشنایی با بسته Pandas
      • انواع دیتا استراکچرها در پانداز
      • ایجاد سری ها
      • اندیکس ها و مقادیر در سری ها
      • ایجاد دیتافریم ها (Data Frames)
      • ایندکس ها و مقادیر در دیتافریم ها
      • ویرایش دیتافریم ها
      • ریست کردن، تغییر نام، مرتب کردن ایندکس ها
      • اعمال تابع به دیتافریم ها
    • درس چهارم: ترسیم داده ها
      • آشنایی با بسته matplotlib
      • آشنایی با Line Plot
      • آشنایی با Scatter Plot
      • آشنایی با Histogram Plot
      • آشنایی با Pie Chart
      • ویرایش نمودارها
      • رسم چند نمودار روی هم
      • رسم چند نمودار در کنار هم
      • آشنایی با بسته seaborn
      • آشنایی با Strip Plot
      • آشنایی با Swarm Plot
      • آشنایی با Box Plot
      • آشنایی با Joint Plot
      • آشنایی با Pair Plot
    • درس پنجم: آشنایی مقدماتی با مباحث آماری
      • آشنایی با نمودار Bar Plot و تفاوت های آن با Histogram
      • آشنایی با نمودار ECDF) Empirical distribution function)
      • میانه، میانگین، صدک، واریانس، انحراف معیار
      • کواریانس و ارتباط بین متغیرها
      • ضریب پیرسون
      • آشنایی با بسته SciPy
      • ضریب همبستگی رتبه ای اسپیرمن
      • تست کای اسکوئر Chi Square
      • فرضیه صفر و فرضیه مقابل
      • آشنایی با P-Value
      • آشنایی با مفهوم احتمال
      • تولید اعداد شبه تصادفی
      • آشنایی با Random Walk
      • آشنایی با توزیع نرمال
    • درس ششم: پیش پردازش داده ها
      • کار با مجموعه داده اطلاعات کشورها
      • داده های خالی (Missing Values)
      • داده های تکراری (Duplicated Values)
      • الحاق دو دیتافریم به یکدیگر (Concatenating)
      • آشنایی با Cross Tabulation
      • آشنایی با Pivot Table
      • آشنایی با Dummy variables
      • نرمال کردن داده ها
      • داده های پرت Outliers)‎)
    • درس هفتم: یادگیری نظارت شده
      • آشنایی با مفهوم یادگیری نظارت شده و انواع روش های آن
      • آشنایی با دیتاست آیریس (Iris)
      • طبقه بندی با استفاده از الگوریتم KNN
      • بررسی روش های مختلف محاسبه فاصله
      • ارزیابی مدل
      • آشنایی با Overfitting و Underfitting
      • طبقه بندی با استفاده از الگوریتم Decision Tree
      • رگرسیون
      • آشنایی با دیتاست Boston House Prices
      • آشنایی با Mean squared error
      • تکنیک K-fold Crossover Validation
      • آشنایی با Regularization Regression
      • آشنایی با Ridge Regression
      • آشنایی با Lasso Regression
      • آشنایی با Confusion Matrix
      • آشنایی با دیتاست Wisconsin Breast Cancer
      • طبقه بندی با استفاده از Logistic Regression
      • آشنایی با ROC Curve و AUC
      • بهینه سازی هایپر پارامترها
      • آشنایی با Grid Search Cross-validation و Randomized Search Cross-validation
      • آشنایی با قضیه بیز
    • درس هشتم: یادگیری غیر نظارت شده
      • آشنایی با مفهوم یادگیری غیر نظارت شده
      • خوشه بندی با استفاده از K-Means
      • ارزیابی مدل
      • آشنایی با مفهوم اینرسی
      • خوشه بندی با استفاده از Hierarchical Clustering
      • خوشه بندی با استفاده از Mean Shift
      • خوشه بندی با استفاده از DBSCA
    • درس نهم: کاهش ابعاد
      • آشنایی با PCA
      • از بین بردن همبستگی بین متغیرها
      • بعد ذاتی
      • آشنایی با SVD
      • آشنایی با SparseArray و TFIDF
      • خوشه بندی متن ها
      • آشنایی با NMF
      • کاهش ابعاد متن، اعداد، تصاویر
      • ساخت یک سیستم توصیه گر (Recommender system)

     

    مفید برای رشته‌های
    • مهندسی کامپیوتر

    نرم افزارهای مرتبط با آموزش

    Jupyter Notebook

    پیش نیاز

    پیش نمایش

    بخش ۱ : مقدمه ای در رابطه با یادگیری ماشین - ۱۶ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم - حجم دانلود ۱۳ مگابایت (کلیک کنید +)


    پیش نمایش ۲ : آشنایی با بسته NumPy - ۱۰ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۶ مگابایت (کلیک کنید +)


    پیش نمایش ۳ : آشنایی با بسته Pandas - ۶ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۴ مگابایت (کلیک کنید +)


    پیش نمایش ۴ : ترسیم داده ها - ۱۲ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۸ مگابایت (کلیک کنید +)


    پیش نمایش ۵ : آشنایی مقدماتی با مباحث آماری - ۲۲ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    بخش ۶ : پیش پردازش داده ها - ۷۵ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۷ : یادگیری نظارت شده (الف) - ۲۰ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۸ : یادگیری نظارت شده (ب) - ۱۰ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۹ : یادگیری نظارت شده (پ) - ۱۶ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۰ : یادگیری غیر نظارت شده - ۱۴ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۱ : کاهش ابعاد (الف) - ۱۸ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۱۲ : کاهش ابعاد (ب) - ۱۴ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.


    اطلاعات تکمیلی

    نام آموزش آموزش یادگیری ماشین (Machine Learning) با پایتون (Python)
    ناشر فرادرس
    شناسه اثر ۸-۱۲۴۵۲-۰۶۲۴۱۷ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
    کد آموزش FVML9606
    مدت زمان ۱۰ ساعت
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۳۹۱ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)


    ​راهنمای تهیه آموزش ها

    آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

    راهنمایی بیشتر ( +)

    در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟ 
    • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
    • از طریق بخش چت آنلاین، با پشیبان های فرادرس گفتگو کنید.- همه روزهای کاری هفته از ساعت ۸ صبح تا ۱۲ شب
    • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه

    با شروع یادگیری، یک کلیک فاصله دارید. همین حالا شروع کنید.

    آموزش یادگیری ماشین (Machine Learning) با پایتون (Python)

    هزینه آموزش: ۲۵,۰۰۰ تومان




    دیدگاه ها

    ( امتیاز ۴٫۷ از ۵ )
    4.7 از 5


    تا کنون ۱۶۲۴ نفراز این آموزش استفاده کرده اند و ۶ نظر ثبت شده است.
    1. 0 از 5

      :

      این آموزش واقعا در سطح جهانی و حتی بهتر بود، به هیچ عنوان اتلاف وقت نداشت، مدرس کاملا مسلط بود، مثال ها کاملا واضح و به درک موضوع بسیار کمک می کردند، آموزش های خیلی خوبی در زمینه هوش مصنوعی در فرادرس هست اما از نظر من این آموزش از تمام آموزش هایی که دیدم بهتر بود در یک کلام عالی بود، امیدوارم باز هم از این مدرس همچین اموزش هایی ببینیم
      ممنونم از فرادرس

    2. 0 از 5

      :

      یکی از بهترین دوره های آموزشی در زمینه ی یادگیری ماشین هست ،تشکر ویژه میکنم از آقای مهندس مظلومی ، منتظر دوره های جدید ازشون هستیم ..امیدوارم دورره پیشرفته ی داده کاوی با پایتون رو هم منتشر کنن

    3. 0 از 5

      :

      سلام به نظرم دوره کاربردی و بسیار مفیدی بود
      رویه طوری بود که برای افرادی مبتدی هم مناسب هست
      ممنون از آقای مظلومی که دانش خودشون رو به اشترک گذاشتن
      امیدوارم باز هم در فرادرس از این دست آموزش های کاربردی ببینیم

    4. 0 از 5

      :

      سلام . این ویدیو رو تهیه کردم . عالی بود. اقای مظلومی بسیار مسلط و عالی درس دادن. دستشون درد نکنه.
      منتظر ویدیو django هستم .

    5. 1 از 5

      :

      این آموزش رو خریداری کردم اما خیلی آکادمیک بود … احساس می کردم مدرس از روی کتاب داره تدریس میکنه. بهتر بود از مثال های کاربردی تر استفاده بشه.

    6. 4 از 5

      :

      با سلام و خسته نباشید
      من زیاد عادت به کامنت گذاشتن ندارم ، ولی اینقدر از آموزش اقای مظلومی راد لذت بردم که لازم دونستم ازشون تشکر کنم.بیانشون شیواست و بدون کم ترین اتلاف وقت بصورت پشت سر هم مطالب را عملا درس میدن که این تاثیر زیادی داره که کلاسشون خسته کننده نباشه.
      بخصوص تشکر فراوان دارم از ایشون بابت فایلی که بصورت pdf از مطالب درسیشون در اختیار گذاشتن که این باعث میشه ما بتونیم قبل از اینکه قسمت بعدی رو نگاه کنیم با دیدن این فایل جلسات قبلی مرور بشه. بهشون و همچنین همکارانشون در فرادرس خسته نباشید می گم.
      آقای مظلومی راد اگر در زمینه داده کاوی با پایتون هم فیلم بسازند خیلی عالیه و بی شک استقبال بی نظیری خواهد شد.

    7. 0 از 5

      :

      سلام. مجموعه آموزشی واقعا خوب بود.

    8. 5 از 5

      :

      با سلام
      مجموعه آموزشی بسیار خوبی تهیه شده و کیفیت بالایی دارد. مطالب با سرعت و دقت عالی منتقل می شوند و مدل برنامه نویسی و ارائه خروجی ها هم بسیار مطلوب است. امیدوارم که دوره پیشرفته علم داده و یادگیری ماشینی با پایتون و همچنین متن کاوی با پایتون هم به مجموعه دوره های عالی فرادرس اضافه شوند.
      متشکرم

    9. 5 از 5

      :

      با سلام
      کیفیت آموزش واقعا بالاتر از اون چیزی بود که انتظارش رو داشتم
      برای من که اصلا رشته م کامپیوتر نیست و اشنایی کمی با پایتون داشتم و هیچ پیش زمینه ای از یادگیری ماشین نداشتم کاملا قابل فهم بود که گیرایی بالا نحوه تدریس و تسلط مدرس رو میرسونه
      توضیحات کاملا شفاف و واضح و جزوه موجود هم برای مرور سریع و یادآوری مطالب حتی بدون دیدن دوباره فیلم خیلی عالی بود
      امیدوارم همین روند عالی رو ادامه بدید
      تشکر فراوان

    10. 5 از 5

      :

      واقعا کیفیت عالی بود!

    11. 0 از 5

      :

      با سلام
      خیلی خوب بود و خیلی بهتر می شد در صورتی که داده های مورد استفاده را نیز در بسته آموزشی قرار داده می شد.
      با تشکر

    12. 0 از 5

      :

      این “بهترین” دوره آموزشی بود که من در فرادرس دیدم . از مدرس گرامی بابت نظم و بسطی که در تدریس دارند کمال تشکر دارم.

    13. 5 از 5

      :

      بنظرم یکی از بهترین آموزش ها در زمنیه یادگیری ماشینی با پایتون بود. آقای مظلومی راد مدرس بسیار خوبی هستند.


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *



​همین امروز شروع به آموختن کنید​

آموزش یادگیری ماشین (Machine Learning) با پایتون (Python)

هزینه آموزش: ۲۵,۰۰۰ تومان


برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,




فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران

عضویت در خبرنامه فرادرس

برای دریافت اخبار مربوط به آخرین فرادرس های منتشر شده، ایمیل خود را در کادر زیر وارد نمایید.


تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.

فرادرس مجوز نشر دیجیتال از وزرات فرهنگ و ارشاد اسلامی logo-samandehi پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان