Data Science Python and R
رفتن به کانال در Telegram
علم داده، ماشین لرنینگ، پایتون، برنامه نویسی، ار، R, python, machin learning, deep learning, data ،science پردازش تصویر، شبکه های عصبی،پایتون
نمایش بیشتر3 143
مشترکین
+224 ساعت
-57 روز
-2430 روز
آرشیو پست ها
#Andrew_Ng #Andrew #Ng #Deep_Learning
Deep Learning Specialization
دوره یادگیری عمیق از Andrew Ng با زیرنویس
این دوره آموزشی با یادگیری اصول و مبانی شبکه های عصبی و یادگیری عمیق با مفهوم هوش مصنوعی آشنا خواهید شد. در پایان این دوره شما می توانید سیستم هایی با هوش مصنوعی بالایی را پیاده سازی کرده و آن را به مرحله اجرا برسانید.
همچنین در این دوره سعی شده تا به خوبی مفهوم و نحوه عملکرد یادگیری عمیق به شما منتقل گردد. با مشاهده تمامی جلسات و آموزش های این دوره شما می توانید از دانش یادگیری عمیق خود در برنامه های توسعه داده خود استفاده نمایید.
مواردی که در این دوره آموزش داده میشود:
آشنایی اصولی با مبانی مبحث یادگیری عمیق
یادگیری نحوه ساخت شبکه های عصبی و استفاده از آن
بهبود مهارت های برنامه نویسی به زبان پایتون
آشنایی با نحوه اجرای شبکه های عصبی کارآمد
درک پارامترهای کلیدی در معماری یک شبکه عصبی
🆔 @data_science_python_and_r
⭕️ 30 مینی دوره رایگان علوم داده و هوش مصنوعی
📂 یادگیری مهارت های علوم داده به صورت عملی👌🏼
🔷 سایت dphi.tech به ارائه 30 مینی دوره کاملاً رایگان علوم داده با مشارکت برخی از بهترین محققان داده پرداخته که به آموزش و کاربرد علوم داده و هوش مصنوعی در دنیای واقعی میپردازد. از ویژگی های این دورهها میتوان به موارد زیر اشاره کرد :
1️⃣ 100% رایگان برای همیشه + مدرک پایان دوره
2️⃣ شامل پروژههایی با دادههای دنیای واقعی
✅ میتوانید از طریق لینک زیر به طور کاملاً رایگان به این دورهها دسترسی داشته باشید :👇🏼
┌🏷 Data Science & AI Micro-Courses
└ 🚀 30 Micro-Courses 100% Free Forever
🟢 دوره جدید یادگیری ماشین Andrew NG بر مبنای پایتون منتشر شد
3️⃣ قسمت سوم دوره با عنوان
Unsupervised Learning, Recommenders, Reinforcement Learning
- 01_unsupervised-learning
— 01_welcome-to-the-course
— 02_clustering
— 03_practice-quiz-clustering
— 04_anomaly-detection
— 05_practice-quiz-anomaly-detection
- 02_recommender-systems
— 01_collaborative-filtering
— 02_practice-quiz-collaborative-filtering
— 03_recommender-systems-implementation-detail
— 04_practice-quiz-recommender-systems-implementation
— 05_content-based-filtering
— 06_practice-quiz-content-based-filtering
- 03_reinforcement-learning
— 01_reinforcement-learning-introduction
— 02_practice-quiz-reinforcement-learning-introduction
— 03_state-action-value-function
— 04_quiz-state-action-value-function
— 05_continuous-state-spaces
— 06_quiz-continuous-state-spaces
— 07_summary-and-thank-you
— 08_acknowledgments
فایل های جانبی پروژه (Jupyter Notebooks, Python Scripts و …)
لطفا به اشتراک بزارید تا به دست بقیه هم برسه 🌹
🆔 @data_science_python_and_r
🟢 دوره جدید یادگیری ماشین Andrew NG بر مبنای پایتون منتشر شد!!!
2️⃣ قسمت دوم دوره با عنوان
Coursera - Advanced Learning Algorithms
- 01_neural-networks
— 01_neural-networks-intuition
— 02_neural-network-model
— 03_tensorflow-implementation
— 04_neural-network-implementation-in-python
— 05_speculations-on-artificial-general-intelligence-agi
— 06_vectorization-optional
- 02_neural-network-training
— 01_neural-network-training
— 02_activation-functions
— 03_multiclass-classification
— 04_additional-neural-network-concepts
- 03_advice-for-applying-machine-learning
— 01_advice-for-applying-machine-learning
— 02_bias-and-variance
— 03_machine-learning-development-process
— 04_skewed-datasets-optional
- 04_decision-trees
— 01_decision-trees
— 02_decision-tree-learning
— 03_tree-ensembles
— 04_acknowledgments
همراه با
فایل های جانبی پروژه (Jupyter Notebooks, Python Scripts و …)
لطفا به اشتراک بزارید تا به دست بقیه هم برسه 🌹
🆔 @data_science_python_and_r
قسمت اول دوره با عنوان
Supervised Machine Learning: Regression and Classification
- 01_week-1-introduction-to-machine-learning
— 01_overview-of-machine-learning
— 02_supervised-vs-unsupervised-machine-learning
— 03_regression-model
— 04_train-the-model-with-gradient-descent
- 02_week-2-regression-with-multiple-input-variables
— 01_multiple-linear-regression
— 02_gradient-descent-in-practice
- 03_week-3-classification
— 01_classification-with-logistic-regression
— 02_cost-function-for-logistic-regression
— 03_gradient-descent-for-logistic-regression
— 04_the-problem-of-overfitting
— 05_acknowledgments
همراه با
فایل های جانبی پروژه (Jupyter Notebooks, Python Scripts و …)
🆔 @data_science_python_and_r
Coursera Machine Learning
نام مجموعه آموزش تصویری در زمینه علم یادگیری ماشین می باشد.در این دوره آموزشی شما با یادگیری موثر ترین و کلیدی ترین تکنیک ها و یادگیری نحوه اجرا و آشنایی با کاربرد آن ها می توانید دانش خود در زمینه یادگیری ماشین را به شکل اصولی تقویت نمایید. در این دوره مطالب بصورت تئوری و عملی برای شما آماده شده است.
شروع به آشنایی با مفاهیم مختلفی نظیر الگوریتم های پارامتری و غیر پارامتری ، هسته ، شبکه های عصبی و غیره خواهید کرد.یادگیری اصول و مبانی یادگیری ماشین قادر به ساخت روبات های هوشمندی که از توانایی درک و کنترل برخوردار هستند، خواهید شد. این دوره همچنین برای علاقه مندانی که قصد دارند یادگیری ماشین را بصورت اصولی و کاملا عملی یاد بگیرند طراحی و منتشر گردیده است.
یادگیری ماشین از سطح پایه تا پیشرفته به شکل اصولی
آشنایی با تکنیک و مهارت های عملی در پروژه های واقعی شما
یادگیری مطالب از جنبه تئوری و عملی برای بهبود مهارت
آشنایی و درک کاربرد الگوریتم های پارامتری و غیر پارامتری
آشنایی با شبکه های عصبی و هوش مصنوعی بصورت عملی
🆔 @data_science_python_and_r
Python for Data Mining (Persian) پایتون
برای داده کاوی
کل مجموعه توسط اقای اسدی
در این مجموعه از ویدیوها پایتون برای داده کاوی آموزش داده می شود.
- پایتون برای داده کاوی، جلسه اول: آشنایی با پایتون
- پایتون برای داده کاوی، جلسه دوم: Dictionary و Set
- پایتون برای داده کاوی، جلسه سوم: آشنایی با Numpy و Scipy
- پایتون برای داده کاوی، جلسه چهارم: استفاده از Pandas و Seaborn
- پایتون برای داده کاوی، جلسه پنجم: استفاده از Scikit-Learn
- پایتون برای داده کاوی، جلسه ششم: آشنایی با Pytorch
- پایتون برای داده کاوی، جلسه هفتم : خوشه بندی
- پایتون برای داده کاوی، جلسه هشتم: پروژه خوشه بندی اخبار روزنامه همشهری
- پایتون برای داده کاوی، جلسه نهم: تشخیص ناهنجاری
#یادگیری_ماشین #یادگیری_ماشین_با_پایتون
🆔 @data_science_python_and_r
Pandas Vs. DataTable for processing large data (Gigabytes)
#DataScience #DataAnalytics #BigData #MachineLearning
🆔 @data_science_python_and_r
لینکدین 20 تا از محبوبترین دوره های اموزشی پولیش رو تا اخر این ماه یعنی تا August 31, 2022 برای همه کاربران رایگان کرده
از طریق این لینک میتونید دوره ها رو مشاهده کنید
لطفا به اشتراک بزارید تا به دست بقیه هم برسه 🌹
🆔 @data_science_python_and_r
⭕️ بیش از 20+ دوره رایگان علم داده دانشگاه هاروارد
📂 دسترسی کامل به محتوای دوره + گواهینامه
🔷 در سایت دانشگاه Harvard بیش از 140دوره رایگان در زمینه های مختلف آموزشی وجود دارد که از این تعداد، بیش از 20 دوره مربوط به حوزه علم داده است.
1️⃣ 23 دوره رایگان علم داده
2️⃣ 14 دوره رایگان علوم کامپیوتر
3️⃣ 10 دوره رایگان برنامه نویسی
✅ میتوانید از طریق لینک زیر به این دورههای رایگان دانشگاه هاروارد دسترسی داشته باشید :👇🏼
┌ 🏷 Free Courses at Harvard University
├ ◼️ 23 Free Data Science Courses
├ ◻️ 10 Free Programming Courses
└ ◼️ 14 Free Computer Science Courses
#علم_داده #DataScience
🆔 @data_science_python_and_r
کل مجموعه یادگیری ماشین با تنسورفلو توسط اقای ملک زاده
سرفصل های دوره
- یادگیری ماشین با پایتون - کار با دیتاست در تنسورفلو
- یادگیری ماشین با پایتون - شبکه عصبی در تنسورفلو
- یادگیری ماشین با پایتون - دستهبندی اخبار با شبکه عصبی در تنسورفلو
- یادگیری ماشین با پایتون - تنسورفلو پیشرفته
- یادگیری ماشین با پایتون - استفاده از مدل تنسورفلو در موبایل
⚫️⚪️⚫️⚪️⚫️⚪️
با هشتگ زیر فیلم های این دوره آموزشی را دنبال کنید:
🎋#Tensorflow_malekzadeh
#یادگیری_ماشین #یادگیری_ماشین_با_پایتون #تنسورفلو
🆔 @data_science_python_and_r
در این ویدیو شما با مفهوم تنسور در فریم ورک یادگیری ماشین تنسورفلو آشنا می شوید. به شما خواهیم گفت که مفهوم تنسور در ریاضیات خیلی پیچیده تر است اما برای تنسورفلو، یک تنسور فقط یک آرایه چندبعدی است. در واقع تنسورفلو به معنای جریان تنسورها در بین لایه های مختلف یک شبکه عصبی است. یعنی مثلا یک تنسور به عنوان ورودی به شبکه عصبی وارد می شود و در بین لایه ها جابجا می شود تا نهایتا خروجی شبکه عصبی ساخته شود ودر ادامه که هر شیء از نوع تنسور را به راحتی می توانید به یک آرایه نامپای تبدیل کنید. همچنین آرایه های نامپای هم به راحتی به تنسور تبدیل می شوند. در نهایت ما به عملیات جبری مقدماتی بین تنسورها می پردازیم.
#قسمت_سوم از یادگیری ماشین با تنسورفلو - مفهوم تنسور در تنسورفلو
#یادگیری_ماشین #یادگیری_ماشین_با_پایتون #تنسورفلو
⚫️⚪️⚫️⚪️⚫️⚪️
با هشتگ زیر فیلم های این دوره آموزشی را دنبال کنید:
🎋#Tensorflow_malekzadeh
#یادگیری_ماشین #یادگیری_ماشین_با_پایتون #تنسورفلو
🆔 @data_science_python_and_r
در این ویدیو به آموزش نصب تنسورفلو روی سیستم عامل لینوکس میپردازیم. برای این کار ما ابتدا یک مجموعه کامل از ابزارهای زبان پایتون را نصب میکنیم. این مجموعه نرم افزاری Anaconda نام دارد و تقریبا اکثریت کتابخانه های مورد نیاز علوم داده در پایتون را نیز برای ما به صورت اتوماتیک و رایگان نصب می نماید.
فریم ورک تنسورفلو یکی از پرطرفدارترین ابزارهای پیاده سازی شبکه های عصبی و الگوریتم های یادگیری ماشین و یادگیری عمیق در حال حاضر است که توسط گوگل توسعه داده می شود. با استفاده از تنسورفلو شما می توانید مثلا یک LSTM و یا یک CNN و به طور کلی مثلا RNN ها را آموزش بدهید. حتی می توانید خودتان مدل های جدید و نوآورانه طراحی کنید.
#قسمت_دوم از یادگیری ماشین با تنسورفلو - نصب در لینوکس
#یادگیری_ماشین #یادگیری_ماشین_با_پایتون #تنسورفلو
⚫️⚪️⚫️⚪️⚫️⚪️
با هشتگ زیر فیلم های این دوره آموزشی را دنبال کنید:
🎋#Tensorflow_malekzadeh
#یادگیری_ماشین #یادگیری_ماشین_با_پایتون #تنسورفلو
🆔 @data_science_python_and_r
در این ویدیو، نحوه نصب فریم ورک تنسورفلو روی سیستم عامل ویندوز نمایش داده می شود. برای نصب این ابزار، ما ابتدا پکیج Anaconda را نصب میکنیم. این پکیج نرم افزاری برای کار های مختلفی در علوم داده میتواند مورد استفاده قرار بگیرد. مثلا می توانیم با استفاده از آناکاندا، یک محیط مجازی برای پایتون ایجاد کنیم و به راحتی ماژول های مختلف را به صورت امن و جدا از هم نصب نماییم.
لازم به ذکر است که فریم ورک تنسورفلو یکی از بهترین و متداول ترین ابزارهای کار با مدل ها در یادگیری ماشین و یادگیری عمیق است. به راحتی انواع و اقسام لایه های مختلف را میتوان با این فریم ورک طراحی کرد. تنسورفلو در پلتفرم های مختلف نصب می شود که ویندوز یکی از آنها است. ما در این آموزش برای نصب تنسورفلو از پکیج منیجر (ابزار مدیریت پکیج) پیپ استفاده کرده ایم.
#قسمت_اول از یادگیری ماشین با تنسورفلو - نصب در ویندوز
#یادگیری_ماشین #یادگیری_ماشین_با_پایتون #تنسورفلو
⚫️⚪️⚫️⚪️⚫️⚪️
با هشتگ زیر فیلم های این دوره آموزشی را دنبال کنید:
🎋#Tensorflow_malekzadeh
#یادگیری_ماشین #یادگیری_ماشین_با_پایتون #تنسورفلو
🆔 @data_science_python_and_r
یادگیری ماشین با تنسورفلو - نصب در ویندوز
ارائه شده توسط ملک زاده
⚫️⚪️⚫️⚪️⚫️⚪️
با هشتگ زیر فیلم های این دوره آموزشی را دنبال کنید:
🎋#Tensorflow_malekzadeh
#یادگیری_ماشین #یادگیری_ماشین_با_پایتون #تنسورفلو
#یادگیری_ماشین #یادگیری_ماشین_با_پایتون #تنسورفلو #Tensorflow #tensorflow #python #machine_learning #machine_learning_with_python #tf #tf2 #install #installation #windows #LSTM #CNN #Dense #layers #لایه #ماژول #ابزار #نرم_افزار #برنامه_نویسی #پایتون #پکیج #package #نصب #آموزش #آموزش_یادگیری_ماشین #یادگیری_ماشین_پایتون #ml #deep_learning #dl #یادگیری_عمیق #فارسی #تنسرفلو #شبکه_عصبی #شبکه_عمیق #عمیق #ماشین #یادگیری #deep #learning #شبکه #کلاس #آموزش_یادگیری_ماشین #آموزش_پایتون #زبان_پایتون #برنامه_نویسی_پایتون #programming #python_programming #pip #anaconda #آناکاندا #پیپ #محیط_مجازی #virtualenv #virtual_environment #artificial_intelligence #هوش #مصنوعی #هوش_مصنوعی #data_science #data #علوم_داده #داده
🆔 @data_science_python_and_r
🔴 «برگه تقلب جامع یادگیری ماشین»
📂 پوشش تمامی مباحث در 27 بخش!
🔷 این چیت شیت، یکی از جدیدترین برگه تقلب های حوزه داده است که در 27 بخش تمامی مباحث یادگیری ماشین را پوشش می دهد و به شما در یادگیری سریع موضوعات اصلی علم داده کمک بسزایی میکند.
#️⃣ #علم_داده #DataScience
🆔 @data_science_python_and_r
🔴 کتاب «یادگیری عمیق از ابتدا»
📂 آموزش جامع DL با پایتون
🔷 امروزه تسلط به یادگیری عمیق برای متخصصان یادگیری ماشین و دانشمندان داده بسیار ضروری شده است. در این کتاب شما ابتدا با اصول یادگیری عمیق آشنا خواهید شد و به سرعت به جزئیات معماریهای پیشرفته مهم میروید و همه چیز را از ابتدا در پایتون پیادهسازی میکنید.
✅ شما یاد خواهید گرفت که چگونه از ابتدا شبکه های عصبی چندلایه، کانولوشنال و مکرر را اعمال کنید و با درک کامل نحوه عملکرد شبکه های عصبی از نظر ریاضی، محاسباتی و مفهومی، برای موفقیت در تمام پروژه های یادگیری عمیق و عالم داده در آینده آماده خواهید شد.
#کتاب
#ML
🆔 @data_science_python_and_r
این کتاب راهنمایی گام به گام است که به شما کمک می کند مخاطب و بستر تعامل پیام را بشناسید و بدانید که به چه چیزهایی توجه می کند تا بتوانید داده ها، اطلاعات و پیام هایتان را به درستی به مخاطبتان منتقل کنید. در جایی از کتاب میخوانیم:
وارد شرکت گوگل شدم، در تیم تحلیل افراد. گوگل سازمانی داده محور است - تاحدی که حتی از تحلیل ها و داده هایی استفاده می کند که معمولا مورد توجه نیست: مثل داده هایی مربوط به منابع انسانی. تیم تحلیل افراد گزوهی از متخصصان تحلیل داده است که در بخش منابع انسانی گوگل سازمان دهی شده است. رسالت این تیم این است که از داده محور بودن تصمیم هایی که افراد در گوگل میگیرند اطمینان حاصل کند - تصمیم هایی در مورد دیگر نفرها و یا افزادی که در آینده به شرکت اضافه می شوند. موقعیتی فوق العاده نصیبم شده بود تا بتوانم مهارت های داستان پردازی با داده هایم را بهبود ببخشم و از تحلیل ها و داده های برای درک بهتر فاریندهای تصمیم گیری و بهبود آنها در زمینه هایی مانند استخدام هدفمند ، حفظ مشارکت و انگیزه کارمندان ، تشکیل تیم های کارا و حفظ استعداد ها استفاده کنم.
#storytelling_with_data
🆔 @data_science_python_and_r
