یادگیری ماشین (Machine Learning) بخشی از هوش مصنوعی (Artificial Intelligence) و جزو شاخههای پرکاربرد و اثرگزار در علوم کامپیوتر است. در این آموزش قصد داریم تا بخشی از الگوریتمهای یادگیری ماشین موجود در کتابخانه scikit-learn را مورد بررسی قرار دهیم. پس از فراگیری این فرادرس، قادر خواهید بود مسائل مختلف را با توجه به شرایط حل کرده و به جواب نهایی برسانید.
آموزش کتابخانه scikit-learn در پایتون - الگوریتم های یادگیری ماشین
تعداد دانشجو
۳۰۰
نفر
مدت زمان
۳ ساعت و ۵۷ دقیقه
هزینه آموزش
۱۲۵,۰۰۰ تومان
محتوای این آموزش
(توضیحات)
۱
بازخورد (مشاهده نظرات)
توضیحات تکمیلی
یادگیری ماشین (Machine Learning) بخشی از هوش مصنوعی (Artificial Intelligence) و جزو شاخههای پرکاربرد و اثرگزار در علوم کامپیوتر است. در این آموزش قصد داریم تا بخشی از الگوریتمهای یادگیری ماشین موجود در کتابخانه scikit-learn را مورد بررسی قرار دهیم. پس از فراگیری این فرادرس، قادر خواهید بود مسائل مختلف را با توجه به شرایط حل کرده و به جواب نهایی برسانید.
فهرست سرفصلها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
- درس یکم: کار با داده در کتابخانه scikit-learn
- درس دوم: خوشهبندی با روش K-Means در کتابخانه scikit-learn
- درس سوم: خوشهبندی با روش Mean Shift در کتابخانه scikit-learn
- درس چهارم: خوشهبندی با روش DBSCAN در کتابخانه scikit-learn
- درس پنجم: خوشهبندی با روش GMM در کتابخانه scikit-learn
- درس ششم: طبقهبندی با روش KNN در کتابخانه scikit-learn
- درس هفتم: طبقهبندی با روش Naive Bayes در کتابخانه scikit-learn
- درس هشتم: طبقهبندی با روش Logistic Regression در کتابخانه scikit-learn
- درس نهم: طبقهبندی با روش SVM در کتابخانه scikit-learn
- درس دهم: طبقهبندی با روش Decision Tree در کتابخانه scikit-learn
- درس یازدهم: طبقهبندی با روش MLP در کتابخانه scikit-learn
- درس دوازدهم: رگرسیون با روش KNN در کتابخانه scikit-learn
- درس سیزدهم: رگرسیون با روش Linear Regression در کتابخانه scikit-learn
- درس چهاردهم: رگرسیون با روش SVM در کتابخانه scikit-learn
- درس پانزدهم: رگرسیون با روش Decision Tree در کتابخانه scikit-learn
- درس شانزدهم: رگرسیون با روش MLP در کتابخانه scikit-learn
- درس هفدهم: کاهش ابعاد با روش PCA در کتابخانه scikit-learn
مفید برای
- علوم کامپیوتر
- مهندسی کامپیوتر - هوش مصنوعی
پیش نیاز
آنچه در این آموزش خواهید دید:
آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت های ارائه مدرس
نرم افزارهای مرتبط با آموزش
Python 3.9.7
پیش نمایشها












این آموزش شامل ۱۸ جلسه ویدئویی با مجموع ۳ ساعت و ۵۷ دقیقه است.
با تهیه این آموزش، میتوانید به همه بخشها و جلسات آن، دسترسی داشته باشید.
راهنمای سفارش آموزشها
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
- با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه
اطلاعات تکمیلی
نام آموزش | آموزش کتابخانه scikit-learn در پایتون - الگوریتم های یادگیری ماشین |
---|---|
ناشر | فرادرس |
شناسه اثر | ۸–۱۲۴۵۲–۰۸۰۶۷۴ (ثبت شده در مرکز رسانههای دیجیتال وزارت ارشاد) |
کد آموزش | FVSKLP101 |
مدت زمان | ۳ ساعت و ۵۷ دقیقه |
زبان | فارسی |
نوع آموزش | آموزش ویدئویی (نمایش آنلاین + دانلود) |
حجم دانلود | ۶۲۴ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس) |
تضمین کیفیت و
گارانتی بازگشت هزینه
توجه:
کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم
رضایت از آموزش، به انتخاب شما:
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ میشود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده میشود.
نظرات
صرفا جهت مرور خلاصهوار الگوریتمهای یادگیری ماشین (با پیش فرض آشنایی قبلی مخاطب) مناسب است.