دوره آموزش یادگیری ماشین با scikit-learn پایتون

# آموزش یادگیری ماشین با پایتون

به دوره آموزش یادگیری ماشین با پایتون خوش آمدید! در این عصر دگرگونی دیجیتال، درک فناوری‌هایی که نوآوری را هدایت می‌کنند دیگر یک تجمل نیست، بلکه یک ضرورت است. یکی از فناوری هایی که در خط مقدم این تحول بوده است، یادگیری ماشینی است. یادگیری ماشینی که اغلب به اختصار ML نامیده می‌شود، زیرمجموعه‌ای از هوش مصنوعی (AI) است که بر توسعه الگوریتم‌های رایانه‌ای تمرکز دارد که به‌طور خودکار از طریق تجربه و با استفاده از داده‌ها بهبود می‌یابند. به عبارت ساده‌تر، یادگیری ماشینی کامپیوترها را قادر می‌سازد تا از داده‌ها بیاموزند و بدون برنامه‌ریزی صریح، تصمیم‌گیری یا پیش‌بینی کنند.

در برنامه نویسی سنتی، کامپیوتر از مجموعه ای از دستورالعمل های از پیش تعریف شده برای انجام یک کار پیروی می کند. با این حال، در یادگیری ماشین، مجموعه‌ای از مثال‌ها (داده‌ها) و وظیفه‌ای برای انجام دادن به رایانه داده می‌شود، اما این به رایانه بستگی دارد که بر اساس مثال‌هایی که ارائه می‌شود، نحوه انجام کار را بفهمد.

این توانایی یادگیری از داده ها و بهبود در طول زمان، یادگیری ماشینی را فوق العاده قدرتمند و همه کاره می کند. این نیروی محرکه بسیاری از پیشرفت‌های تکنولوژیکی است که امروزه می‌بینیم، از دستیارهای صوتی و سیستم‌های توصیه گرفته تا خودروهای خودران و تجزیه و تحلیل پیش‌بینی‌کننده.

 

# ماشین لرنینگ با کتابخانه scikit learn پایتون

کتابخانه Scikit-learn مفیدترین و قوی ترین کتابخانه برای یادگیری ماشین در پایتون است. مجموعه‌ای از ابزارهای کارآمد برای یادگیری ماشین و مدل‌سازی آماری از جمله طبقه‌بندی، رگرسیون، خوشه‌بندی و کاهش ابعاد را از طریق یک رابط سازگار در پایتون فراهم می‌کند. این کتابخانه که عمدتاً به زبان پایتون نوشته شده است، بر اساس NumPy، SciPy و Matplotlib ساخته شده است.

پروژه scikit-learn با عنوان scikits.learn، یک پروژه تابستانی کد گوگل توسط دانشمند داده فرانسوی دیوید کورناپو آغاز شد. پایگاه کد اصلی بعداً توسط توسعه دهندگان دیگر بازنویسی شد. در سال 2019، اشاره شد که scikit-learn یکی از محبوب‌ترین کتابخانه‌های یادگیری ماشین در GitHub است. scikit-learn تا حد زیادی در پایتون نوشته شده است و از NumPy به طور گسترده برای عملیات جبر خطی و آرایه با کارایی بالا استفاده می کند. علاوه بر این، برخی از الگوریتم‌های اصلی در Cython برای بهبود عملکرد نوشته شده‌اند.

 

# پیش نیازهای دوره

دوره آموزش یادگیری ماشین با scikit learn پایتون جزو دوره‌های پیشرفته محسوب شده و مناسب افرادی است که با زبان برنامه نویسی پایتون به خوبی آشنا هستند. اگر با پایتون آشنا نیستید میتوانید از دوره آموزش پایتون استفاده کنید. همچنین برای درک نحوه کارکرد الگوریتم‌های یادگیری ماشین، میتوانید دوره ریاضیات یادگیری ماشین را ببینید. برای انجام عملیات های ریاضی دوره numpy و برای اجرای فایل های داده دوره پانداز را ببینید.



0

intro

14:50

رایگان

1

datasets

15:44

رایگان

2

regression

17:10

3

linear model

30:0

4

classification

17:26

6

preprocessing

14:0

7

standard scaler

13:59

8

pipeline

7:48

11

overfitting

5:42

12

gini impurity

24:59

13

decision tree

25:17

14

ensemble

16:34

16

random forest

8:11

17

adaboost

8:7

18

one hot encoding

13:32

19

generalization

18:1

20

regularization

15:39

21

ridge

17:34

22

svm

21:2

23

grid search

18:46

25

pca

21:34

26

knn

12:35

27

clustering

14:30

28

kmeans

19:37

29

wcss

18:19

31

linkage

20:19

32

dbscan

15:51

33

make blobs

10:53

50

done

4:37

دوره های پیشنهادی

دوره آموزش Multi Processing در پایتون
دوره آموزش Multi Processing در پایتون
تکمیل ضبط
امیرحسین بیگدلو
دوره اول آموزش جنگو (django)
دوره اول آموزش جنگو (django)
تکمیل ضبط
امیرحسین بیگدلو
دوره آموزش GraphQL در پایتون
دوره آموزش GraphQL در پایتون
تکمیل ضبط
امیرحسین بیگدلو



مونگارد