This media is not supported in your browser
VIEW IN TELEGRAM
#datamining
Source: www.Lynda.com
Part 30/53
دوره آموزش اصول و مبانی علم داده
قسمت سی - تجزیه و تحلیل همبستگی بین داده ها
📚@BigDataServe
Source: www.Lynda.com
Part 30/53
دوره آموزش اصول و مبانی علم داده
قسمت سی - تجزیه و تحلیل همبستگی بین داده ها
📚@BigDataServe
This media is not supported in your browser
VIEW IN TELEGRAM
#Machine_Learning
#Linear_Regression
Source: www.Lynda.com
Part 21/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت بیست و یکم
Creating a train test partition in SPSS
📚@BigDataServe
#Linear_Regression
Source: www.Lynda.com
Part 21/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت بیست و یکم
Creating a train test partition in SPSS
📚@BigDataServe
#SQLSERVER
🔻ما می توانیم خروجی هایی که از SQL می گیریم را باهم ترکیب کنیم (مثلا ترکیب دو یا چند جدول) ترکیب می تواند به صورت افقی و کنار هم (Horizontal) یا عمودی و زیر هم (Vertical) باشد.
🔻اگر جداول به صورت افقی با هم ترکیب شوند اصطلاحاً به آن join و اگر به صورت عمودی ترکیب شوند به آن append می گویند.
🔻در شکل فوق انواع حالات join و نحوه کوئری نویسی با استفاده از زبان T-SQL را برای هر کدام مشاهده می کنید.
📚@BigDataServe
🔻ما می توانیم خروجی هایی که از SQL می گیریم را باهم ترکیب کنیم (مثلا ترکیب دو یا چند جدول) ترکیب می تواند به صورت افقی و کنار هم (Horizontal) یا عمودی و زیر هم (Vertical) باشد.
🔻اگر جداول به صورت افقی با هم ترکیب شوند اصطلاحاً به آن join و اگر به صورت عمودی ترکیب شوند به آن append می گویند.
🔻در شکل فوق انواع حالات join و نحوه کوئری نویسی با استفاده از زبان T-SQL را برای هر کدام مشاهده می کنید.
📚@BigDataServe
This media is not supported in your browser
VIEW IN TELEGRAM
#datamining
Source: www.Lynda.com
Part 31/53
دوره آموزش اصول و مبانی علم داده
قسمت سی و یکم - اهداف تجزیه و تحلیل همبستگی بین داده ها
📚@BigDataServe
Source: www.Lynda.com
Part 31/53
دوره آموزش اصول و مبانی علم داده
قسمت سی و یکم - اهداف تجزیه و تحلیل همبستگی بین داده ها
📚@BigDataServe
دوره هوش مصنوعی استنفورد
Stanford CS221: AI (Autumn 2019)
🟢 قسمت اول- معرفی دوره
🟢 قسمت دوم- یادگیری ماشینی
🟢 قسمت سوم- ماشین لرنینگ، فیچر ها و شبکه های عصبی
🟢 قسمت چهارم- ماشین لرنینگ، K-means
🟢قسمت پنجم- برنامه نویسی پویا
🟢 قسمت ششم- جستجو
🟢 قسمت هفتم- فرایندهای تصمیمگیری مارکوف
🟢 قسمت هشتم- یادگیری تقویتی
🟢 قسمت نهم- جستجوی خصمانه (بازی)
🟢 قسمت دهم- تئوری بازی ها
🟢 قسمت یازدهم- مسائل ارضای محدودیت
🟢 قسمت دوازدهم- استقلال شرطی
🟢 قسمت سیزدهم- شبکه بیزی ۱
🟢 قسمت چهاردهم- شبکه بیزی ۲
🟢 قسمت پانزدهم- شبکه بیزی ۳
🟢 قسمت شانزدهم- منطق
🟢 قسمت هفدهم- منطق
🟢 قسمت هجدهم - یادگیری عمیق
🟢 قسمت نوزدهم - جمع بندی
#AI
📚@BigDataServe
Stanford CS221: AI (Autumn 2019)
🟢 قسمت اول- معرفی دوره
🟢 قسمت دوم- یادگیری ماشینی
🟢 قسمت سوم- ماشین لرنینگ، فیچر ها و شبکه های عصبی
🟢 قسمت چهارم- ماشین لرنینگ، K-means
🟢قسمت پنجم- برنامه نویسی پویا
🟢 قسمت ششم- جستجو
🟢 قسمت هفتم- فرایندهای تصمیمگیری مارکوف
🟢 قسمت هشتم- یادگیری تقویتی
🟢 قسمت نهم- جستجوی خصمانه (بازی)
🟢 قسمت دهم- تئوری بازی ها
🟢 قسمت یازدهم- مسائل ارضای محدودیت
🟢 قسمت دوازدهم- استقلال شرطی
🟢 قسمت سیزدهم- شبکه بیزی ۱
🟢 قسمت چهاردهم- شبکه بیزی ۲
🟢 قسمت پانزدهم- شبکه بیزی ۳
🟢 قسمت شانزدهم- منطق
🟢 قسمت هفدهم- منطق
🟢 قسمت هجدهم - یادگیری عمیق
🟢 قسمت نوزدهم - جمع بندی
#AI
📚@BigDataServe
Media is too big
VIEW IN TELEGRAM
#Machine_Learning
#Linear_Regression
Source: www.Lynda.com
Part 22/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت بیست و دوم
Hierarchical regression (Interpreting the output)
📚@BigDataServe
#Linear_Regression
Source: www.Lynda.com
Part 22/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت بیست و دوم
Hierarchical regression (Interpreting the output)
📚@BigDataServe
🔻اعتبارسنجی متقابل (CrossValidation)
اعتبارسنجی متقابل، که گاهی تخمین گردشی نیز نامیده می شود، یک روش ارزیابی است که مشخص می کند نتایج یک تحلیل آماری بر روی یک مجموعه داده تا چه اندازه قابل تعمیم و مستقل از داده های آموزشی است. این تکنیک بطور ویژه در کاربردهای پیش بینی مورد استفاده قرار می گیرد تا مشخص شود مدل موردنظر تا چه اندازه در عمل مفید خواهد بود. بطور کلی یک دور از اعتبارسنجی ضربدری شامل افراز داده ها به دو زیرمجموعه مکمل، انجام تحلیل بر روی یکی از آن زیرمجموعه ها (داده های آموزشی) و اعتبارسنجی تحلیل با استفاده از داده های مجموعه دیگر است (داده های اعتبارسنجی یا تست). برای کاهش پراکندگی، عمل اعتبارسنجی چندین بار با افرازهای مختلف انجام و از نتایج اعتبارسنجی ها میانگین گرفته می شود (K-fold CrossValidation) این کار هنگامیکه جمع آوری داده های بیشتر سخت، پرهزینه و یا غیرممکن باشد صورت می گیرد. استفاده از اعتبارسنجی ضربدری کمک می کند از فرضیات بایاس شده با داده های فعلی که قابل تعمیم نیستند، دوری شود.
📚@BigDataServe
اعتبارسنجی متقابل، که گاهی تخمین گردشی نیز نامیده می شود، یک روش ارزیابی است که مشخص می کند نتایج یک تحلیل آماری بر روی یک مجموعه داده تا چه اندازه قابل تعمیم و مستقل از داده های آموزشی است. این تکنیک بطور ویژه در کاربردهای پیش بینی مورد استفاده قرار می گیرد تا مشخص شود مدل موردنظر تا چه اندازه در عمل مفید خواهد بود. بطور کلی یک دور از اعتبارسنجی ضربدری شامل افراز داده ها به دو زیرمجموعه مکمل، انجام تحلیل بر روی یکی از آن زیرمجموعه ها (داده های آموزشی) و اعتبارسنجی تحلیل با استفاده از داده های مجموعه دیگر است (داده های اعتبارسنجی یا تست). برای کاهش پراکندگی، عمل اعتبارسنجی چندین بار با افرازهای مختلف انجام و از نتایج اعتبارسنجی ها میانگین گرفته می شود (K-fold CrossValidation) این کار هنگامیکه جمع آوری داده های بیشتر سخت، پرهزینه و یا غیرممکن باشد صورت می گیرد. استفاده از اعتبارسنجی ضربدری کمک می کند از فرضیات بایاس شده با داده های فعلی که قابل تعمیم نیستند، دوری شود.
📚@BigDataServe
Media is too big
VIEW IN TELEGRAM
#datamining
Source: www.Lynda.com
Part 32/53
دوره آموزش اصول و مبانی علم داده
قسمت سی و دوم - تجزیه و تحلیل همبستگی بین داده ها با استفاده از نرم افزار R
📚@BigDataServe
Source: www.Lynda.com
Part 32/53
دوره آموزش اصول و مبانی علم داده
قسمت سی و دوم - تجزیه و تحلیل همبستگی بین داده ها با استفاده از نرم افزار R
📚@BigDataServe
آرمان بهنام pinned «دوره هوش مصنوعی استنفورد Stanford CS221: AI (Autumn 2019) 🟢 قسمت اول- معرفی دوره 🟢 قسمت دوم- یادگیری ماشینی 🟢 قسمت سوم- ماشین لرنینگ، فیچر ها و شبکه های عصبی 🟢 قسمت چهارم- ماشین لرنینگ، K-means 🟢قسمت پنجم- برنامه نویسی پویا 🟢 قسمت ششم- جستجو 🟢 قسمت…»
This media is not supported in your browser
VIEW IN TELEGRAM
#Machine_Learning
#Linear_Regression
Source: www.Lynda.com
Part 23/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت بیست و سوم
Hierarchical regression (Setting up the analysis)
📚@BigDataServe
#Linear_Regression
Source: www.Lynda.com
Part 23/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت بیست و سوم
Hierarchical regression (Setting up the analysis)
📚@BigDataServe
#data_science #machine_learning
📍لیست ده دوره برتر و مناسب سایت کورسرا برای آموزش در علم داده و ماشین لرنینگ برای افراد مبتدی و پیشرفته
https://nuggetsnetwork.com/blog/Top-Coursera-DataScience-Courses.html
______________
📚@BigDataServe
📍لیست ده دوره برتر و مناسب سایت کورسرا برای آموزش در علم داده و ماشین لرنینگ برای افراد مبتدی و پیشرفته
https://nuggetsnetwork.com/blog/Top-Coursera-DataScience-Courses.html
______________
📚@BigDataServe
Nuggets Network
https://nuggetsnetwork.com/
Top 20 ranked Best Data Science & Machine Learning Courses from Coursera [2020]
This media is not supported in your browser
VIEW IN TELEGRAM
#datamining
Source: www.Lynda.com
Part 33/53
دوره آموزش اصول و مبانی علم داده
قسمت سی و سوم - تجزیه و تحلیل همبستگی بین داده ها با استفاده از نرم افزار پایتون
📚@BigDataServe
Source: www.Lynda.com
Part 33/53
دوره آموزش اصول و مبانی علم داده
قسمت سی و سوم - تجزیه و تحلیل همبستگی بین داده ها با استفاده از نرم افزار پایتون
📚@BigDataServe
Learn TensorFlow 2.0.pdf
6.2 MB
#کتاب #tensorflow
📔کتابی جدید منتشر شده در سال 2020 بسیار کاربردی برای یادگیری
Learn TensorFlow 2.0
و پیاده سازی آن در پایتون
_____________
📚@BigDataServe
📔کتابی جدید منتشر شده در سال 2020 بسیار کاربردی برای یادگیری
Learn TensorFlow 2.0
و پیاده سازی آن در پایتون
_____________
📚@BigDataServe
Media is too big
VIEW IN TELEGRAM
#Machine_Learning
#Linear_Regression
Source: www.Lynda.com
Part 24/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت بیست و چهارم
Simultaneous regression (Interpreting the output)
📚@BigDataServe
#Linear_Regression
Source: www.Lynda.com
Part 24/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت بیست و چهارم
Simultaneous regression (Interpreting the output)
📚@BigDataServe
🔻Binary Tree
🔻Stack
🔻Matrix
🔻Unbalanced Tree
🔻Array
🔻Heap
🔻Rebalanced Tree
🔻Linked List
🔻Sparse Matrix
📚@BigDataServe
🔻Stack
🔻Matrix
🔻Unbalanced Tree
🔻Array
🔻Heap
🔻Rebalanced Tree
🔻Linked List
🔻Sparse Matrix
📚@BigDataServe
This media is not supported in your browser
VIEW IN TELEGRAM
#datamining
Source: www.Lynda.com
Part 34/53
دوره آموزش اصول و مبانی علم داده
قسمت سی و چهارم - تجزیه و تحلیل همبستگی بین داده ها با استفاده از نرم افزار Orange
📚@BigDataServe
Source: www.Lynda.com
Part 34/53
دوره آموزش اصول و مبانی علم داده
قسمت سی و چهارم - تجزیه و تحلیل همبستگی بین داده ها با استفاده از نرم افزار Orange
📚@BigDataServe
This media is not supported in your browser
VIEW IN TELEGRAM
#Machine_Learning
#Linear_Regression
Source: www.Lynda.com
Part 25/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت بیست و پنجم
Simultaneous regression (Setting up the analysis)
📚@BigDataServe
#Linear_Regression
Source: www.Lynda.com
Part 25/47
دوره آموزش مبانی یادگیری ماشین و هوش مصنوعی
💡رگرسیون چندگانه
قسمت بیست و پنجم
Simultaneous regression (Setting up the analysis)
📚@BigDataServe
This media is not supported in your browser
VIEW IN TELEGRAM
#datamining
Source: www.Lynda.com
Part 35/53
دوره آموزش اصول و مبانی علم داده
قسمت سی و پنجم - تجزیه و تحلیل همبستگی بین داده ها با استفاده از نرم افزار KNIME
📚@BigDataServe
Source: www.Lynda.com
Part 35/53
دوره آموزش اصول و مبانی علم داده
قسمت سی و پنجم - تجزیه و تحلیل همبستگی بین داده ها با استفاده از نرم افزار KNIME
📚@BigDataServe