رویداد آنلاین با حضور بزرگان یادگیری عمیق
GANs for Good
📍 لینک ویدئو ضبط شده رویداد:
https://youtu.be/9d4jmPmTWmc

✔هم اکنون وبینار پنجم در اختیار همگان قرار گرفت. برای مشاهده تمامی وبینارهای برگزار شده می توانید روی هر کدام از آنها کلیک کنید.

🔴وبینار اول - آشنایی با یادگیری ماشین(Machine learning)

🟠وبینار دوم - آشنایی با کلان داده(Big Data)

🔵وبینار سوم - آشنایی با شبکه های عصبی(Neural networks)

🟢وبینار چهارم - کاربرد علم داده و هوش مصنوعی در فروش و بازاریابی

⚪وبینار پنجم - کاربرد علوم داده و هوش مصنوعی در سلامت
_______________
📚@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

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

قسمت چهارم - آشنایی با کتابخانه های یادگیری ماشین در پایتون

📚@BigDataServe

🔻در این فایل به طور خلاصه با مفاهیم تئوری ساخت مدل های یادگیری ماشین و مراحلی همچون پاکسازی داده، مهندسی ویژگی ها، تحلیل های آماری و در نهایت روش های اعتبارسنجی مدل آشنا خواهیم شد.
_________
📚@BigDataServe

🌟بخش اول از دوره آموزش اصول و مبانی رگرسیون خطی و رگرسیون چندگانه🌟

🔸قسمت اول: آشنایی با دوره

🔸قسمت دوم: هر آن چیزی که باید بدانید!

🔸قسمت سوم: نمودار پراکندگی

🔸قسمت چهارم: رسم Bubble chart با استفاده از GPL

🔸قسمت پنجم: رسم نمودار پراکندگی با استفاده از chart builder

🔸قسمت ششم: محاسبه ضرایب رگرسیون

🔸قسمت هفتم: رسم نمودار پراکندگی ۳ بعدی

🔸قسمت هشتم: محاسبه معیارهای Residual و R^2 برای خط رگرسیون فیت شده روی داده

🔸قسمت نهم: چالش ها و فرضیات رگرسیون چندگانه

🔸قسمت دهم: ماتریس همبستگی

🔸قسمت یازدهم: تست Durbin-Watson

🔸قسمت دوازدهم: تست لِوِن (Levine)

🔸قسمت سیزدهم: نمودار باقیمانده ها (Residuals Plot)

🔸قسمت چهاردهم: خلاصه ای از فرضیات رگرسیون چندگانه

🔸قسمت پانزدهم: بصری سازی فرضیات رگرسیون چندگانه

🔸قسمت شانزدهم: بررسی فرضیات رگرسیون چندگانه

📚@BigDataServe
🌐 www.Lynda.com

🌟بخش دوم از دوره آموزش اصول و مبانی رگرسیون خطی و رگرسیون چندگانه🌟

🔸قسمت هفدهم: ایجاد و آزمایش شرایط تعاملی

🔸قسمت هجدهم: ایجاد کدهای مجازی (مصنوعی)

🔸قسمت نوزدهم: کشف تعامل بین متغیرها

🔸قسمت بیستم: کدهای مجازی با افزونه r

🔸قسمت بیست و یکم: ایجاد داده آموزش و آزمایش در SPSS

🔸قسمت بیست و دوم: رگرسیون سلسله مراتبی - بخش اول

🔸قسمت بیست و سوم: رگرسیون سلسله مراتبی - بخش دوم

🔸قسمت بیست و چهارم: رگرسیون همزمان - بخش اول

🔸قسمت بیست و پنجم: رگرسیون همزمان - بخش دوم

🔸قسمت بیست و ششم: رگرسیون گام به گام - بخش اول

🔸قسمت بیست و هفتم: رگرسیون گام به گام - بخش دوم

🔸قسمت بیست و هشتم: سه استراتژی رگرسیون و زمان استفاده از آنها

🔸قسمت بیست و نهم: همبستگی بخشی

🔸قسمت سی ام: همبستگی جزئی

🔸قسمت سی و یکم: بصری سازی همبستگی های بخشی و جزئی

🔸قسمت سی و دوم: تشخیص همخوانی

🔸قسمت سی و سوم: همخوانی چندگانه - بخش اول

🔸قسمت سی و چهارم: همخوانی چندگانه - بخش دوم

📚@BigDataServe
🌐 www.Lynda.com

🌟بخش سوم از دوره آموزش اصول و مبانی رگرسیون خطی و رگرسیون چندگانه🌟

🔸قسمت سی و پنجم: نقاط دور افتاده - بخش اول

🔸قسمت سی و ششم: نقاط دور افتاده - بخش دوم

🔸قسمت سی و هفتم: تشخیص منحنی

🔸قسمت سی و هشتم: تشخیص نقاط دور افتاده و تاثیرگذار

🔸قسمت سی و نهم: مدل خطی خودکار

🔸قسمت چهلم: رگرسیون کتگوریکال

🔸قسمت چهل و یکم: مقایسه رگرسیون با شبکه عصبی

🔸قسمت چهل و دوم: رگرسیون لجستیک

🔸قسمت چهل و سوم: چه زمانی از رگرسیون میتوانیم استفاده کنیم؟!

🔸قسمت چهل و چهارم: رگرسیون درخت (CART)

🔸قسمت چهل و پنجم: تحلیل مسیر و مدلسازی معادلات ساختاری

🔸قسمت چهل و ششم: پیش بینی سری زمانی

🔸قسمت چهل و هفتم: سخن آخر

📚@BigDataServe
🌐 www.Lynda.com

#وبینار_آموزشی #TechTalk #مجله_پرتو
Parto Sponsored TechTalks Series

👨🏻‍💼سخنرانی آقای Prof. Hamid R. Arabinia با عنوان The Curse and Blessing of Artificial Intelligence

- Editor-in-Chief, The Journal of Supercomputing (Springer)
- Editor, Transactions of Computational Science & Computational Intelligence (Springer)
- Fellow & Adviser, Center of Excellence in Terrorism, Resilience Intelligence & Organized Crime Research (CENTRIC)
- Senior Adviser, Araware LLC (multi-national)

همراه با اعطای گواهی شرکت در وبینار

🗓تاریخ و زمان برگزاری: شنبه 19 مهر 99، ساعت 17:30

🔗 پیوند ثبت نام در وبینار:
blog.ieee.org.ir/partowebinar
__________
📚@Bigdataserve

🔺دوره آموزش اصول و مبانی رگرسیون خطی و رگرسیون چندگانه

🔸بخش اول شامل قسمت های ۱ تا ۱۶

🔸بخش دوم شامل قسمت های ۱۷ تا ۳۴

🔸بخش سوم شامل قسمت های ۳۵ تا آخر

________________________
با دوستان خود به اشتراک بگذارید!

📚@BigDataServe

#course #neuroscience
🔳 نوروساینس یا علوم اعصاب چیست؟
دانشمندان علوم اعصاب بر روی مغز و اثر آن بر عملکرد‌های رفتاری، شناختی و یا چگونگی تفکر انسان‌ها تمرکز دارند.

🔐آن‌ها همچنین به بررسی این موضوع می‌پردازند که در افراد دارای بیماری‌های مغز و اعصاب یا اختلال رشد عصبی یا مشکلات روانپزشکی چه اتفاقی برای سیستم عصبی میافتد.

📝در صفحه زیر راجع به این موضوع مطالبی را نوشته ام و دوره هایی مفیدی برای فراگیری و آشنایی با این زمینه جذاب و آینده دار معرفی کرده ام.

http://www.armanbehnam.com/about-me/education/information/neuroscience/
📍 محتوای این پست در لینکدین :
https://plink.ir/PPz6V
📌 اسلاید های آموزشی در گیت هاب :
https://plink.ir/xxDRh
_______
📚@BigDataServe

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

قسمت پنجم - آشنایی با کتابخانه سای کیت-لِرن و تکنیک های لازم در یادگیری ماشین
📚@BigDataServe

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

قسمت ششم - تفاوت بین یادگیری عمیق و یادگیری ماشین
📚@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

🚫 تنها ۳ روز تا پایان استفاده از تخفیف ۲۰ درصد ثبت‌نام دوره یادگیری عمیق و هوش تجاری جهاد دانشگاهی علم و صنعت فرصت باقیست!

#machinelearning

آموزش تئوری شماری از تکنیک های یادگیری ماشین

📚@BigDataServe

#covid19

تاثیر همه گیری ویروس کرونا بر استارت آپ های جهان

📚@BigDataServe

#multi_task_learning #meta_learning #deep_learning #meta_learning
part: 7/14

⚪️ Stanford CS330: Multi-Task and Meta-Learning, 2019 | Lecture 7 - Kate Rakelly (UC Berkeley)




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

قسمت هفتم - سخنرانی کیت راکلی

📚@BigDataServe

#datamining
#article

معرفی ۱۰ الگوریتم برتر داده کاوی در مقاله ای با همین عنوان

📚@BigDataServe

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

قسمت هفتم - آشنایی با مفاهیمی همچون طبقه بندی، رگرسیون، خوشه بندی، بیش برازش و کم برازش

📚@BigDataServe