🌟بخش اول از دوره آموزش اصول و مبانی علم داده🌟

🔸قسمت اول: آشنایی با دوره

🔸قسمت دوم: چرا باید این دوره را ببینیم؟

🔸قسمت سوم: ملزومات داده کاوی

🔸قسمت چهارم: ملزومات الگوریتم های داده کاوی

🔸قسمت پنجم: نرم افزارهای داده کاوی

🔸قسمت ششم: اهداف کاهش ابعاد داده

🔸قسمت هفتم: الگوریتم های کاهش بعد

🔸قسمت هشتم: کاهش ابعاد داده با نرم افزار R

🔸قسمت نهم: کاهش ابعاد داده با نرم افزار Python

🔸قسمت دهم: کاهش ابعاد داده با نرم افزار Orange

🔸قسمت یازدهم: کاهش ابعاد داده با نرم افزار RapidMiner

🔸قسمت دوازدهم: اهداف خوشه بندی

🔸قسمت سیزدهم: خوشه بندی داده

🔸قسمت چهاردهم: خوشه بندی داده با نرم افزار R

🔸قسمت پانزدهم: خوشه بندی داده با نرم افزار Python

🔸قسمت شانزدهم: خوشه بندی داده با نرم افزار BigML

🔸قسمت هفدهم: خوشه بندی داده با نرم افزار Orange

📚@BigDataServe
🌐www.Lynda.com

🌟بخش دوم از دوره آموزش اصول و مبانی علم داده🌟

🔸قسمت هجدهم: اهداف طبقه بندی داده

🔸قسمت نوزدهم: طبقه بندی داده ها

🔸قسمت بیستم: طبقه بندی داده ها با نرم افزار R

🔸قسمت بیست و یکم: طبقه بندی داده ها با نرم افزار Python

🔸قسمت بیست و دوم: طبقه بندی داده ها با نرم افزار RapidMiner

🔸قسمت بیست و سوم: طبقه بندی داده ها با استفاده از نرم افزار KNIME

🔸قسمت بیست و چهارم: اهداف تشخیص ناهنجاری

🔸قسمت بیست و پنجم: تشخیص ناهنجاری

🔸قسمت بیست و ششم: تشخیص ناهنجاری با نرم افزار R

🔸قسمت بیست و هفتم: تشخیص ناهنجاری با نرم افزار Python

🔸قسمت بیست و هشتم: تشخیص ناهنجاری با نرم افزار RapidMiner

🔸قسمت بیست و نهم: تشخیص ناهنجاری با استفاده از نرم افزار BigML

📚@BigDataServe
🌐www.Lynda.com

🌟بخش سوم از دوره آموزش اصول و مبانی علم داده🌟

🔸قسمت سی ام: تجزیه و تحلیل همبستگی بین داده ها

🔸قسمت سی و یکم: اهداف تجزیه و تحلیل همبستگی بین داده ها

🔸قسمت سی و دوم: تجزیه و تحلیل همبستگی بین داده ها با نرم افزار R

🔸قسمت سی و سوم: تجزیه و تحلیل همبستگی بین داده ها با نرم افزار Python

🔸قسمت سی و چهارم: تجزیه و تحلیل همبستگی بین داده ها با نرم افزار Orange

🔸قسمت سی و پنجم: تجزیه و تحلیل همبستگی بین داده ها با نرم افزار KNIME

🔸قسمت سی و ششم: اهداف آنالیز رگرسیون

🔸قسمت سی و هفتم: روش های آنالیز رگرسیون

🔸قسمت سی و هشتم: آنالیز رگرسیون با نرم افزار R

🔸قسمت سی و نهم: آنالیز رگرسیون با نرم افزار Python

🔸قسمت چهلم: آنالیز رگرسیون با نرم افزار KNIME

🔸قسمت چهل و یکم: آنالیز رگرسیون با نرم افزار RapidMiner

🔸قسمت چهل و دوم: اهداف کشف توالی در داده

🔸قسمت چهل و سوم: الگوریتم های کشف توالی

📚@BigDataServe
🌐www.Lynda.com

🌟بخش چهارم از دوره آموزش اصول و مبانی علم داده🌟

🔸قسمت چهل و چهارم: کشف توالی با نرم افزار R

🔸قسمت چهل و پنجم: کشف توالی با نرم افزار Python

🔸 قسمت چهل و ششم: کشف توالی با نرم افزار BigML (بخش اول)

🔸قسمت چهل و هفتم: کشف توالی با نرم افزار BigML (بخش دوم)

🔸قسمت چهل و هشتم: اهداف متن کاوی

🔸قسمت چهل و نهم: الگوریتم های متن کاوی

🔸قسمت پنجاهم: متن کاوی با نرم افزار R

🔸قسمت پنجاه و یکم: متن کاوی با نرم افزار Python

🔸قسمت پنجاه و دوم: متن کاوی با نرم افزار RapidMiner

🔸قسمت پنجاه و سوم (قسمت آخر): گام های بعدی

📚@BigDataServe
🌐www.Lynda.com

🔺دوره آموزش اصول و مبانی علم داده

🔸بخش اول شامل قسمت های ۱ تا ۱۷

🔸بخش دوم شامل قسمت های ۱۸ تا ۲۹

🔸بخش سوم شامل قسمت های ۳۰ تا ۴۳

🔸بخش چهارم شامل قسمت های ۴۴ تا آخر
________________________________
با دوستان خود به اشتراک بگذارید!

📚@BigDataServe

#deeplearning #keras

🔺کتاب آموزش یادگیری عمیق در پایتون

📣📣📣 شروع ثبت نام دوره آموزش جامع یادگیری عمیق بزودی

📚@BigDataServe

#course #coursera #nlp
یکی از مهمترین و به روز ترین مباحث در هوش مصنوعی و علم داده، پردازش زبان طبیعی می باشد. برای همین یکی از معتبر ترین دوره های این زمینه را در لینک زیر تحلیل کرده ام که از دوره های سایت کورسرا و جزء مجموعه دوره های مهارت یادگیری ماشین پیشرفته می باشد.

تحلیل و بررسی محتوای دوره :
http://www.armanbehnam.com/about-me/education/nlp-hse/
📪محتوای این پست در لینکدین :
https://bit.ly/30EdtD9
🔊 اسلایدها و فایل های این دوره در گیت هاب
https://plink.ir/ph6cg
______
📚@BigDataServe

#book
#Machine_Learning
#NLP
کتاب آموزش ساخت chatbots در پایتون با استفاده از یادگیری ماشین و پردازش زبان طبیعی
📚@BigDataServe

#python
کتاب آموزش زبان برنامه نویسی پایتون به قلم رامان عشقی

📚@BigDataServe

#machinelearning
#scikit_learn

🔸دوره آموزش یادگیری ماشین با کتابخانه Scikit-learn

قسمت اول- معرفی دوره

📚@BigDataServe

📣 دوره آنلاین جامع یادگیری عمیق و هوش تجاری جهاد دانشگاهی علم و صنعت

📌۸۵ ساعت آموزش به همراه رفع اشکال و پرسش و پاسخ با اساتید دوره

⏰کد ۱: پنجشنبه ها و جمعه ها ۹ تا ۱۲
⏰کد ۲: پنجشنبه ها و جمعه ها ۱۵ تا ۱۸

📅 ۲۴ مهر ماه لغایت ۲ بهمن ماه ۱۳۹۹

🚫 ۲۰ درصد تخفیف ثبت نام زودهنگام تا ۱۵ مهر به تعداد محدود

🔐انجام پروژه های واقعی متناسب با بازار کار

📋مدرک معتبر و قابل ترجمه جهاد دانشگاهی جهت ادامه تحصیل در خارج از کشور

🎁 بازگشت شهریه نفر اول دوره

🔴برای کسب اطلاعات بیشتر پیرامون دوره، کدهای تخفیف، رزومه اساتید و ریز سرفصل ها میتوانید به لینک زیر مراجعه فرمایید:
http://www.armanbehnam.com/about-me/education/jd-dl-bi

🔴 لینک ثبت نام کد ۱ پنجشنبه ها و جمعه ها ۹ تا ۱۲
http://www.jdrouyesh.ir/reg?rgn=41&cls=343246

🔴 لینک ثبت نام کد ۲ پنجشنبه ها و جمعه ها ۱۵ تا ۱۸
http://www.jdrouyesh.ir/reg?rgn=41&cls=343247

📚@BigDataServe

#multi_task_learning #meta_learning #deep_learning #meta_learning
part: 5/14

⚪️ Stanford CS330: Multi-Task and Meta-Learning, 2019 | Lecture 5 - Bayesian Meta-Learning





دوره متا لرنینگ دانشگاه استنفورد:
این دوره شامل مباحث پیشرفته ی deep learning و reinforcement learning است

قسمت پنجم - متا لرنینگ بیزین

📚@BigDataServe

به صورت دقیق و منطقی و در تعریف، چه تفاوتی بین یادگیری ماشین، استخراج دانش از داده ها و داده کاوی وجود دارد؟

در لینک زیر مطلبی در این مورد منتشر کرده ام
http://www.armanbehnam.com/about-me/education/machine-learning-and-data-mining/
محتوای این پست در لینکدین:
📋https://bit.ly/3e2nDmc
________
📚@BigDataServe

#machinelearning
#scikit_learn
🔸دوره آموزش یادگیری ماشین با کتابخانه Scikit-learn

قسمت دوم - سرفصل های دوره در یک نگاه

📚@BigDataServe

#machinelearning

خلاصه ای از انواع الگوریتم های یادگیری ماشین

📚@BigDataServe

#book
#textmining
کتاب آموزش متن کاوی با استفاده از نرم افزار R انتشارات O'REILLY
📚@BigDataServe

#machinelearning
#scikit_learn
🔸دوره آموزش یادگیری ماشین با کتابخانه Scikit-learn

قسمت سوم - نحوه نصب پایتون و کار با ژوپیتر نوت بوک

📚@BigDataServe

#book
#ComputerVision
کتاب آموزش بینایی ماشین با استفاده از کتابخانه OpenCV
📚@BigDataServe

داده کاوی و کاربردهای آن
ارائه: مهندس احسان عسگریان

📚@BigDataServe