دوره آموزشی مبانی هوش مصنوعی : یادگیری ماشین (2018)
1 ساعت 18 دقیقهمبتدی2018-03-29
مدرسین

Doug Rose
Teaching Fortune 500s and professionals how to lead change
جزئیات دوره
یادگیری ماشین ، یکی از معروفترین مفاهیم هوش مصنوعی است. الگوریتم های یادگیری ماشین اجازه می دهد که کامپیوترها بدون برنامه ریزی چیزهای جدید یاد بگیرند. آنها از آمار به عنوان راهی برای درک مقادیر عظیم داده هایی که هر روز ایجاد می کنند ، استفاده می کنند. این الگوریتم های جدیدتر به ماشین ها کمک می کنند تصاویر، صدا و ویدیو را طبقه بندی کنند. آنها می توانند به سؤالات ما پاسخ دهند، داروهای جدیدی کشف کرده و حتی آوازها را بنویسند. در این دوره، ما تعریف و انواع یادگیری ماشین را بررسی می کنیم: نظارت، عدم نظارت و تقویت. سپس شما می توانید ببینید که چگونه از الگوریتم های محبوب مانند درخت تصمیم گیری، خوشه بندی، و تجزیه و تحلیل رگرسیون برای دیدن الگوها، در مجموعه داده های عظیم استفاده کنید. در نهایت شما می توانید در مورد برخی از مشکلات در هنگام شروع در استفاده از یادگیری ماشین ، یاد بگیرند.
موضوعات شامل:
نحوه کار با داده را شرح دهید.
اصول یادگیری ماشین را اعمال کنید.
انواع مختلف یادگیری ماشین را متمایز کنید.
مشکلاتی را که از یادگیری ماشین استفاده می کنند شناسایی کنید.
درختان تصمیم گیری ایجاد کنید.
نحوه انتخاب بهترین الگوریتم را توضیح دهید.
موضوعات شامل:
نحوه کار با داده را شرح دهید.
اصول یادگیری ماشین را اعمال کنید.
انواع مختلف یادگیری ماشین را متمایز کنید.
مشکلاتی را که از یادگیری ماشین استفاده می کنند شناسایی کنید.
درختان تصمیم گیری ایجاد کنید.
نحوه انتخاب بهترین الگوریتم را توضیح دهید.
مهارت ها
Machine LearningArtificial Intelligence FoundationsFoundationsArtificial Intelligence (AI)
سرفصل ها
0. مقدمه
- 01 - خوش آمدید
1. یادگیری ماشینی چیست؟
- 02 - یادگیری به چه معناست
- 03 - کار با داده ها
- 04 - از یادگیری ماشینی استفاده کنید
- 05 - انواع مختلف یادگیری ماشینی
2. روشهای مختلف یادگیری ماشین
- 06 - تحت نظارت
- 07 - بدون نظارت
- 08 - نیمه نظارت
- 09 - تقویت
3. الگوریتمهای معروف یادگیری ماشین
- 10- مشکلاتی که از یادگیری ماشین استفاده میکنند
- 11 - درختان تصمیم
- 12 - k-نزدیکترین همسایه
- 13 - خوشه بندی K-mean
- 14 - پسرفت
- 15 - بیز ساده لوح
4. اعمال الگوریتم ها
- 16 - دادهها را دنبال کنید
- 17 - دادهها را متناسب کنید
- 18 - بهترین الگوریتم را انتخاب کنید
5. چالشهای مشترک
- 19 - چالشهای یادگیری ماشین
نتیجه
- 20 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی یادگیری ماشین و آمار فضایی در پایتون
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی یادگیری ماشین کاربردی: برآورد ارزش
- دوره آموزشی یادگیری ماشین کاربردی: یادگیری نظارتشده
- دوره آموزشی یادگیری ماشین در مخابرات: از مبانی تا نمونههای واقعی
- دوره آموزشی Power BI: ترکیب هوش مصنوعی با دادهها